重庆邮电大学
1.1图像增强方法
1.1.1直方图均衡去雾算法
种方法通常用来增加许多图像的全局对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。这种方法的一个缺点是它对处理的数据不加选择，它可能会增加背景噪声的对比度并且降低有用信号的对比度。
1.1.2基于 Retinex 理论的图像增强
该算法基于颜色恒常性基本原理模型，这是一种描述颜色不变性的模型，颜色恒常性是人类都有的一种倾向，即对物体的特定颜色的判断的心理倾向，这种倾向不因光源等外界环境因素而改变。Land 和 Mc Cann 认为人类的视觉识别系统对于物体表面颜色的感知与物体的反射特性直接相关，而与达到人眼色光谱特性关系并不密切。彩色增强用于模拟人眼视觉系统的自适应特性对彩色图像增强，使得处理过后的增强图像符合人眼观察时候的视觉感知；白平衡则是对不同通道光照导致的图像偏色进行校正，从而获得逼近场景的真实颜色。在雾霭天气中，由于大气中各种粒子的散射作用，采集的图像对比度低、色彩失真，颜色恒常性能够较好的应用于图像去雾。
1.2 物理模型的角度
该方法认为图像退化的第一因素是雾，通过精确的雾天成像模型，将图像退化的全过程进行反向推算，还原出无雾的图像，这种方法仅对雾天图像有效，还原后的去雾图像效果较好，边缘特征没有较大丢失。模型参数的估算是该方法的要害，参数的数值直接影响图像还原的结果。
暗通道先验去雾算法：何凯明等提出过简便易行的图像复原方法，其基础是暗原色先验的单幅图像去雾算法。这种方法去雾效率极高。，在天气晴朗时拍摄的图像RBG 三通道中总会有一些颜色通道值低的点。出现雾霾的时候，利用空气中光对它们的影响，估算此时雾霾的浓度。然后，根据雾的浓度复原无雾图像。但在使用这种方法的过程中，同样存在着透射率求解不够精确、计算耗时等问题。
2.去雾效果衡量算法
图像中的边缘区域，像素值会发生"跳跃"，对这些像素求导，在其一阶导数在边缘位置为极值，这就是Sobel算子使用的原理--极值处就是边缘。如果对像素值求二阶导数，会发现边缘处的导数值为0。Laplace函数实现的方法是先用Sobel 算子计算二阶x和y导数，再求和。本文实验采用Laplacian梯度算法对图像去雾后清晰度进行评估。图片左上角为算法处理后的得分，分数越高则在此算法下图片越清晰。
3.1均衡直方图去雾结果及分析
由以上结果可以看出，在进行全局去雾时，尤其是对场景单一，雾分布均匀时直方图去雾的方法有较好的效果。但是在处理雾浓度大的图片是效果就不太理想，对局部处理效果欠佳，两张图片均存在图片失真效果，下图非雾部分过度增强，影响到了整体的去雾效果，图中的天空部分进行了过度增强。
3.2Retinex去雾结果及分析
本文采用最新的多尺度M-retinex算法进行去雾处理。通过结果可以发现去色彩较暗的场景下雾后的图像较清晰。但上图鲜艳场景下存在画面过曝的缺陷。上图的天空以及植物均出现失真效果。
3.3暗原色去雾结果及分析
应用暗通道先验算法实现去雾时，与Retinex 算法去雾不同的是，暗通道去雾的方法估算了空间的透射率，但应用暗通道先验去雾可直接对原始图片进行相应的处理，不需要对原始图片的彩色分量图进行处理。该方法经过暗通道处理的结果图偏暗，但是能够处理雾浓度很大的远距离物体，去雾的效果也比较明显但是物体的边缘有一些白边。但很明显的是经处理后的图像较好的实现了去雾，而且对原图色彩的保真性很高，人眼看起来更为舒适，同时由于保留了部分雾气所以结果更接近人所看到的实际场景。
3.4结果与分析
对于直方图均衡化和Retinex 去雾算法的结果失真的问题，经过分析可知由于这两方法都是通过使用非模型的增强的方法，来对图像的对比度以及亮度进行一定程度的提高，没有考虑有雾图像降质的原理以及导致降质的因素方面的处理方法，仅仅是提高了图像的视觉效果而已，并不是真正意义上的去雾。而暗通道的方法是则是基于物理模型的复原方法实现了去除雾气，在图片保真上的优点就很明显了，但是暗原色先验最为人诟病的也就是其计算的空间复杂度以及时间复杂度，也就表现在其计算的速度比较慢，在这个方面有不少学者都提出了改进的算法，以及将各种将以上方法联合起来使用以达到更好的去雾效果。
4.结论
本文主要研究了直方图均衡，Retinex 算法及暗通道先验算法的原理，并在计算机上应用python+opencv 实现了用上述算法对图像进行去雾处理，分别用这三种算法处理图片说明了其可行性及优点，然后对这三种算法的处理结果进行对比，分析了各自的不足，同时在相关的文献中找到了对应的改进办法。本文相对而言做的较多的是各自算法的实现及对比，相关的改进算法有待继续学习与研究。
参考文献
[1]基于暗通道图像质心偏移量的去雾算法 苏畅; 毕国玲; 金龙旭; 聂婷; 梁怀丹 光学学报 2019-01-08
[2]基于暗通道先验的图像去雾改进 冯昕晨; 穆平安 软件导刊 2018-12-26
[3]一种暗通道先验结合小波变换的图像去雾优化算法 丁奇安; 徐晓光; 王珍 四川理工学院学报(自然科学版) 2018-10-20
[4]基于暗原色先验的Retinex去雾算法 董辉; 金阔洋 浙江工业大学学 2018-12-05
论文作者:吴天元
论文发表刊物:《科技尚品》2019年第1期
论文发表时间:2019/7/18
标签：图像论文; 算法论文; 直方图论文; 方法论文; 通道论文; 对比度论文; 效果论文; 《科技尚品》2019年第1期论文;