基于大气散射模型的偏振图像去雾算法研究

摘要：随着对光偏振信息的引入，已经能够更加全面的表征目标的信息。本文在大气散射物理模型的基础上，结合暗原色先验原理提出一种新的偏振图像去雾算法。首先基于暗原色理论估计大气光强信息；然后利用双边滤波对雾天图像传输投射率进行优化，最终有效完成图像去雾。由实验结果可知，本文采用的算法能够有效的实现雾天图像复原。

关键词：大气散射模型；偏振图像；双边滤波

中图分类号：TP751.2 文献标识码：A 文章编号：1007-9416（2017）01-0119-01

1 引言

在雾霾等天气环境中，由于大气中存在着大量的悬浮粒子，光线在传播过程中的散射作用使图像的对比度和颜色等特征信息严重降低，影响观测者的视觉感受，妨碍特征信息的提取，从而限制了户外计算计视觉系统的有效发挥。对于图像去雾算法的研究，目前主要有两个大方面：一个以图像增强为主；另一个以大气散射物理模型为主。

本文基于大气散射物理模型，根据光的偏振特性，通过采集三幅不同偏振角度的偏振图像，结合暗原色先验[1]原理提出了一种新的去雾算法。基于暗原色理论，估计大气光强度信息；利用双边滤波对雾天图像传输投射率的优化，最终有效完成图像去雾。

2 基于大气散射模型的偏振图像去雾算法

根据斯托克斯公式可以将雾天退化模型公式改为

（1）

上式中，，，为本文实验中获取的0°，60°，120°的三幅不同角度的偏振图像。我们需要通过求解，的值，根据此物理模型，从原来的有雾图像中复原出无雾图像。

2.1 求解大气光值

由于图像中雾最浓的区域对应的是天空或者无穷远处大气光的位置，而图像中的天空区域大部分应该存在于图像的上方或顶部，所以可以把像素点的高度坐标当成是否接近天空或者无穷远处位置的参数。假设图像的像高为H，像素x对应的位置高度坐标值为，该点接近天空的概率函数可以表示为：

（2）

雾天图像中，对应于雾最浓的区域内物体的对比度下降程度应该是最大的，表现为该区域所有点的亮度值在RGB三颜色通道的最大值和最小值之差几乎为0。因此，根据是否满足对比度降质严重这一规律，定义亮度限制概率函数为：

（3）

其中，与分别为像素x在RGB三颜色通道分量值的最大值和最小值。显然当区域为雾最浓的部分时，与的乘积趋近于1。通过对上述条件的限制，分离出符合限制条件的区域，选取其中亮度分量最大点的值当作大气光矢量的估计值。

2.2 求解传输率图

由于He采用软抠图算法来优化传输透射率的时间复杂度太高，实际应用性降低，因此本文采用双边滤波器来优化传输透射率。

双边滤波BF（Bilateral filter）是一种可以保边去噪的滤波器。之所以可以达到此去噪效果，是因为双边滤波器是由两个函数构成。一个函数是由几何空间距离决定滤波器系数。另一由像素差值决定滤波器系数。

利用双边滤波器BF的局部平滑特性对进行预处理，滤除纹理细节的同时保留图像中的边缘特性，从而得到优化的传输透射率：

（4）

3 实验结果及分析

为了验证本算法的实用性和有效性，使用旋转偏振片的方法采取了大量雾天环境下远景和近景偏振图像，利MATLAB 2015b进行算法编码。现将以下实验结果图像通过采用不同去雾算法来处理比较。如图1，2，3所示，为不同算法和本文算法处理结果比较。

通过上面几幅图可以看出，本文算法在处理后图像的纹理比其它两个算法更加突出，对比度更加明显。表明经过本文算法去雾后的图像质量、清晰度更好，包含的细节信息更多。

4 结语

本文在大气散射物理模型的基础上，结合He的暗原色理论，实验结果表明，该算法能够利用光的偏振特性有效地实现了雾天图像复原，使图像的清晰度和对比度得到提高，同时具有比较低的时间复杂度，较高的实时性有助实际产品的开发应用。

参考文献

[1]Fattal R.Single image dehazing[J].ACM Transactions on Graphics，2008，27（3）：72-80.