吴绍启，唐 宁，张子方，赵 鹏

（1.桂林电子科技大学信息与通信学院，广西桂林 541004；2.天津市联大通信发展有限公司，天津 300192）

一种视频图像的去雾算法

吴绍启1，唐 宁1，张子方2，赵 鹏1

（1.桂林电子科技大学信息与通信学院，广西桂林 541004；2.天津市联大通信发展有限公司，天津 300192）

针对去雾方法存在运算复杂度高、图像边沿细节模糊等缺点，提出一种基于K值邻域均值滤波的去雾算法。利用K值邻域均值滤波算法对大气透射图进行估计，通过大气散射物理模型进行去雾处理，最后通过乘法运算实现图像的亮度调整。实验结果表明，K值邻域均值滤波算法具有更快的处理速度，满足视频图像去雾处理系统的实时性要求，且解决了图像去雾后边沿模糊的问题，去雾效果更好。

视频图像去雾；K值邻域均值滤波算法；大气散射物理模型

在雾霾环境下，交通监控等室外成像系统获得的视频图像受到雾、霾的吸收和散射作用导致图像质量差，且随着景深加大，图像变模糊。因此，如何有效地快速去雾并且保留图像的边沿细节，对视觉系统的运营有着重要的意义。虽然在图像去雾方面涌现出很多新算法，但这些算法仍存在诸如运算时间长、实时性差以及去雾效果不理想等问题。

目前去雾方法研究的主流方向是围绕基于模型和基于非模型2个角度开展。基于非模型的处理方法主要通过增强图像的对比度来达到改善图像视觉的效果，如最常用的直方图方法，通过改变直方图的形状来增强图像的对比度，但这种方法增强效果不易控制，易导致图像失真，去雾效果差。基于模型的去雾方法是从图像复原角度出发，需要考查图像退化原因，对大气散射作用进行建模分析，实现场景的复原。比较典型的图像复原方法有文献［1］算法和文献［2］算法。文献［1］算法利用暗通道先验知识，用软件抠图法估计大气投射图，得到较好的图像去雾效果，但算法复杂度高，暗通道先验不适用于有天空区域含雾图像。文献［2］算法用中值滤波算法估计大气光幕函数，速度虽较快，但去雾效果一般。后续涌现的新方法大多在文献［1-2］算法上进行改进。如双边滤波算法［34］和导向滤波算法［5-6］较好地保持了图像边缘细节，但算法实时性差。均值滤波算法［7-9］速度较快，但图像灰度值边缘突变区域的细节模糊。

针对上述算法实时性差和图像边缘细节模糊的问题，提出一种基于K值邻域均值滤波算法的快速视频图像去雾算法。利用长宽为K×K窗口内最靠近中心像素值的K个邻近像素的平均灰度值来替代中心像素，实现对大气光幕滤波估计。在场景边缘进行滤波处理，很好地保留了边缘的细节，并且保留了均值滤波的快速处理的优点。

1 大气散射模型

大气散射理论认为，在雾天环境下，物体表面的反射光到达观测点的传播过程由于受到雾霾粒子的散射作用，导致入射光被衰减和图像对比度降低。另外，成像光路的周围存在杂散光，与目标物体的反射光一起参与成像，从而导致目标物体颜色偏移。根据这一雾天光传输的物理特性，大气散射模型［10］给出了反映雾天条件下雾对图像的退化过程：

其中：（x，y）为输入图像中像素点的空间坐标；I（x，y）为摄像头采集的有雾图像；J（x，y）为去雾后的图像；e-rd（x，y）为大气透射率，r为大气散射系数；d（x，y）为景物深度；A为全局大气光。文献［2］用大气光幕V（x，y）代替A（1-e-rd（x，y）），若求得全局大气光A和大气光幕V（x，y），则可通过

得到清晰图像。

2K值邻域均值滤波去雾

2.1 全局大气光的估计

一般情况下，全局大气光为常数，为了方便在系统上进行运行和求解，全局大气光的估计值可通过

得到。其中：c表示所选择的色彩通道；R、G、B分别代表图像的红、绿、蓝三色分量；255为图像中最大像素的灰度值；means为求解算术平均值的函数。

2.2 大气光幕的推导

由大气散射物理模型可知，大气光幕满足约束条件V（x，y）≤I（x，y），即V（x，y）不大于有雾图像I（x，y）的三通道的最小颜色分量W（x，y）［69］：

引入一个偏移可调整参数q（0＜q＜1），则

雾化图像的最小颜色分量W（x，y）实际上含有雾霾和环境光等噪声，要从雾霾等噪声中获取原始图像信息，需对W（x，y）进行滤波处理。

文献［7］用传统均值滤波法对图像进行滤波时，图像边缘灰度值突变区域会变得模糊。为此，采用K值邻域均值滤波法，在长度为K×K（K＝2N＋1，N为自然数）滤波窗口中有K2个像素值，求得K个与中心像素灰度值最接近的像素（包括被处理的像素）构成灰度值高度相关的集合，用这个集合内所有像素灰度值的平均值来代替中心像素，实现对窗口内中心像素的滤波功能。滤波窗口为3×3的K值邻域均值滤波器如图1所示。

图1K值邻域均值滤波器Fig.1Kvalue domain average filtering

从图1可看出，第一个平滑窗口的中心像素值为7，与中心像素最靠近的像素有4、5、7，则该窗口被处理的像素（窗口中心像素）被（4＋5＋7）／3≈5代替。同理窗口2的中心像素值1被（1＋3＋4）／3≈3所代替，窗口3的中心像素值40被（22＋24＋40）／3≈29所代替。在图像像素突变边沿（1～40），用K值邻域均值滤波法可有效地保留图像边沿细节信息，解决了传统均值滤波带来的图像模糊问题。

K值邻域均值滤波器算法步骤：

1）设定K×K滤波窗口内所有像素的灰度值，构成集合O，且集合保存于数组a［k2］、b［k2］中；

2）n从0到k2-1对数组b［k2］进行由低到高排序，得到新的排序数组b［n］；

3）n从0到k2-1循环，判断窗口内中心像素值a［k2／2］是否等于排序数组b［n］；

4）找到a［k2／2］＝b［n］时所对应的位置n；

5）在位置n找到与中心像素K个相邻的像素值，并求平均值来代替中心像素值。

2.3 大气光幕估计算子

用函数Kf代替K值邻域均值滤波法，根据大气光幕满足的约束条件，可得大气光幕的近似估计为：

其中C（x，y）、S（x，y）分别表示对W（x，y）进行初级滤波、深度滤波。

2.4 恢复无雾图像

根据式（2）、（6）求得全局大气光和大气光幕的估计值后，可通过求解

得到去雾后的图像。

3 亮度增强

在对含雾图像进行去雾处理后，得到的图像往往偏暗，且图像的色彩饱和度太高。为了较好地还原自然亮度，且改变图像的色彩饱和度，选择在RGB色彩空间进行亮度和色彩的调整，同时对RGB三个色彩空间进行亮度增强：其中Δk为图像亮度可调整参数，0≤Δk≤1。Δk值越大，图像亮度增强效果越好。经实验验证，在Δk＝0.8时，图像可取得较好的亮度增强效果。

4 实验结果

为了更好地评判本算法的去雾效果和性能，分别从主观和客观上与文献［1，7］的算法进行对比测试。图2为本算法的去雾效果。从图2可看出，经过初级去雾到深度去雾，图像更加清晰，图像纹理更加突出，但图像也变得更暗，最后经过亮度增强之后，图像的清晰度和色彩等得到了较大提高。

图2 本算法去雾效果Fig.2 Defogging effect of the proposed algorithm

4.1 主观评价

图3为雾天图像（bird）经过不同去雾算法处理后得到的效果对比图。从图3可看出，文献［1］算法有一定的去雾能力，但去雾不彻底，图像不清晰；文献［7］算法去雾后图像清晰，但过于昏暗，局部区域存在模糊雾团，图像边缘突变区域细节模糊；本算法处理细节突出，去雾效果明显，能够比较自然地还原出原始图像亮度。

图3 单幅图像去雾效果Fig.3 Defogging effect of single image

图4为一帧监控视频图像（frame）的去雾处理效果。从图4可看出，文献［1］算法虽然具有一定的去雾效果，但去雾图像模糊，在天空区域出现光晕等色彩失真现象；文献［7］算法去雾清晰，但图像昏暗，且局部景物突变区域出现有带雾团状和色彩失真的问题；本算法去雾图像近处清晰，远处景物突出，天空区域未出现失真现象，图像边缘细节突出。

图4 一帧图像去雾效果Fig.4 Defogging effect of a frame image

4.2 客观评价

为了客观地比较图像去雾效果，通过平均梯度、图像的边缘强度、运行时间等指标对图像进行质量评价。若平均梯度和图像的边缘强度越大，则图像的纹理细节越突出、图像越清晰、去雾效果越好。

表1、2分别为各个图像的平均梯度和边缘强度。从表1、2可看出，3种算法的平均梯度和边缘强度值都比原始图像大，表明3种算法都能达到去雾要求，但本算法在去雾效果、图像清晰度、图像保持边缘细节的能力等方面优于其他2种算法。

表1 平均梯度Tab.1 Mean gradient

表2 边缘强度Tab.2 Edge strength

4.3 实时性比较

为了比较算法的运行复杂度，在同一环境下仿真：CPU为2.8GHz的Pentium处理器，内存为3GB的Window 7系统，仿真工具为Matlab 2010b。为了比较准确地分析运行时间，对100幅长宽为640像素×480像素的不同有雾图像分别经过算法处理，统计其运算时间，得到其平均时间如表3所示。从表3可以看出，本算法用时最短，实时性最好。

表3 平均时间Tab.3 Average time ms

5 结束语

在视频监控应用领域，针对当前去雾算法的缺陷，提出K值邻域均值滤波去雾算法。本算法在运行速度上得到提高，景物的边缘细节得到增强，且去雾后的图像色彩更逼真，去雾效果更好。K值邻域均值滤波去雾算法的滤波窗口大小为K×K，K个靠近中心像素值的像素与整个窗口内像素的总和的比值随着滤波窗口变大而逐渐减小。若滤波窗口过大，则可适当增大K值，即增大K值与滤波窗口内像素的比值，从而解决因滤波窗口发生变化而带来的滤波效果减弱的问题。

［1］ HE Kaiming，SUN Jian，TANG Xiaoou.Single image haze removal using dark channel prior［C］／／IEEE Conference on Computer Vision and Pattern Recognition，2009：1956-1963.

［2］ TAREL J P，HAUTIERE N.Fast visibility restoration from a single color or gray level image［C］／／IEEE 12th International Conference on Computer Vision，2009：2201-2208.

［3］ XU Haoran，GUO Jianming，LIU Qing，et al.Fast image dehazing using improved dark channel prior［C］／／IEEE International Conference on Information Science and Technology，2012：663-667.

［4］ 王一帆，伊传异，黄义明，等.基于双边滤波的图像去雾［J］.中国图像图形学报，2014，19（3）：386-392.

［5］ 刘冬冬，陈莹.基于暗原色先验的区域自适应图像去雾方法［J］.计算机工程与应用，2015，16（6）：1-5.

［6］ 楚君，王华彬，陶亮.基于引导滤波器的单幅雾天图像复原算法［J］.计算机工程与应用，2015，51（21）：155-160.

［7］ 刘倩，陈茂银，周东华.基于单幅图像的快速去雾算法［C］／／The 25th Chinese Control and Decision Conference，2013：3780-3785.

［8］ 陈超，彭鑫珏，马利庄.视频实时自适应去雾算法［J］.计算机工程与应用，2015，11（9）：1-8.

［9］ 陆士猛，刘昌锦.无人机侦察图像快速去雾算法［J］.红外技术，2015，37（10）：847-851.

［10］ NARASIMHAN S G，NAYAR S K.Contrast restoration of weather degraded images［J］.IEEE Transaction on Pattern Analysis and Machine Intelligence，2003，25（6）：713-724.

编辑：张所滨

A defogging algorithm of video image

WU Shaoqi1，TANG Ning1，ZHANG Zifang2，ZHAO Peng1
（1.School of Information and Communication Engineering，Guilin University of Electronic Technology，Guilin 541004，China；2.Tianjin Lianda Communication Development Co.Ltd.，Tianjin 300192，China）

In view of high computational complexity，fuzzy image edge details and other shortcomings of the defogging method，a defogging algorithm based onKvalue domain average filtering method is proposed.The atmospheric transmission is estimated by usingKvalue domain average filtering method.Haze is removed by the physical model of atmospheric scattering.Finally the brightness enhancement of image is realized by multiplicative operation.Experimental results show that theKvalue domain average filtering method has faster processing speed to meet the requirements of real-time video image defogging system.It resolves the problem of image edge blurring after defogging and gets better defogging effect.

video image defogging；Kvalue domain average filtering method；physical model of atmospheric scattering

TN911.73；TP317.41

：A

：1673-808X（2016）05-0364-05

2016-01-18

国家自然科学基金（61464003）

唐宁（1964-），男，湖南邵阳人，副教授，研究方向为专用集成电路设计与应用。E-mail：ningt＠guet.edu.cn.

吴绍启，唐宁，张子方，等.一种视频图像的去雾算法［J］.桂林电子科技大学学报，2016，36（5）：364-368.