曝光融合在单幅图像去雾中的应用文章编号:1001-9081(2012)01-0241-04doi:10.3724/SP.J.1087.2012.00241?摘要：针对雾天拍摄图像的降质现象，提出一种简单、有效的单幅图像去雾算法。首先利用暗原色先验知识估计出大气光亮度；然后根据雾天图像的成像物理模型，对每一像素的景深进行较高精度的亚采样，生成对应的虚拟无雾图像备选序列；最后，根据曝光融合算法提出的像素曝光评价指标，利用多分辨率形式的图像融合方法从备选序列中提取出清晰的无雾图像。实验结果表明，该算法既保证了复原图像清晰度，又具有较好的实时性。?关键词：图像去雾；暗原色；像素评价；图像序列分析；曝光融合?中图分类号:TP391.413文献标志码:AAbstract:Thispaperproposedasimpleandeffectivemethodtoremovehazefromasingleinputimagedegradedbybadweather.First,itestimatedtheairlightbyusingdarkchannelpriorknowledge.Then,underamathematicalmodelfordescribingtheformationofahazyimage,thedepthoffieldofeachpixelwassampledtogetavirtualhaze-freeimagesequence.Finally,anexposurecriterionintroducedbyexposurefusionalgorithmwasusedtoextractahaze-freeimagefromtheimagesequencebymulti-scalefashionimagefusionmethod.Theexperimentalresultsshowthattheproposedmethodcanyieldgoodresultsanditisappropriateforreal-timeapplications.Keywords:imagedehazing;darkchannelprior;pixelassessment;imagesequenceanalysis;exposurefusion參0引言？图像去雾研宄是计算机视觉领域中的一个重要课题，在诸如自动监控系统、智能车、目标识别和遥感等領域均有需求。在有雾天气条件下，场景辐射照度被大气中的悬浮微粒散射和吸收，室外场景的能见度显著降低，计算机视觉系统获取的图像对比度低，加上大气光的作用，图像颜色整体偏向灰白色，致使基于特征检测的室外视频系统无法正常工作，图像去雾的目的就是恢复有雾图像的对比度和真实色彩，重现在理想天气条件下拍摄的清晰图像。？在基于物理模型的图像去雾研宄中，由于雾对图像的影响程度与目标的场景深度密切相关，需要用到图像像素位置处的景深信息，而在单幅图像中是无法知道目标的场景深度，在早期研宄中出现了很多利用辅助信息进行场景深度提取来实现去雾的方法。文献［1］通过将同一场景在不同天气条件下的多幅图像作为输入来达到去雾的目的；文献［2］通过对雾天场景的光学成像进行建模，借助于一张晴天和一张雾天场景的参考图像，计算出场景各点的深度比关系，最后利用深度关系复原雾天图像；文献［3］通过已知的近似3D场景模型来获取场景点深度来实现去雾。但上述方法需要不同天气条件下同一场景的多幅图像或者需要用户交互，不能满足自动、实时图像去雾的需求。图像去雾研宄中最难的部分是仅仅依靠一张雾天图像作为输入信息来实现去雾。由于单幅图像去雾本质上是一个病态方程的求解问题，需要有额外的辅助信息方能求解，最近出现了一些利用强先验或假设来实现去雾的方法。文献［4］通过统计发现无雾图像相对于有雾图像必定具有较高的对比度，从而利用最大化复原图像的局部对比度来达到去雾的目的。文献［5］提出了基于暗原色先验的单一图像去雾技术，通过该先验信息求解物理模型参数，最终达到艺术级的去雾效果。但该方法在平滑透射率分布的过程中需要计算复柴的MattingLaplacian矩阵以及求解大型线性方程组，严重影响了算法的实时性。文献［6］优化了该算法，使得算法整体复杂度只与图像像素数量成线性关系，并通过使用中值滤波器取代数字抠图［7］来平滑透射率分布，进一步提高了算法速度，但复原结果有较为明显的失真。近来，图像融合技术也应用到了图像去雾中，但需要同一场景的近红外图像［8］。？针对以上问题，提出了一种新颖的仅仅利用单幅降质图像进行高质量快速去雾的方法。利用通用的雾天图像物理模型和场景深度是连续变化的特点，该方法对原始有雾图像的所有像素位置景深进行较高精度采样生成虚拟无雾图像备选序列，序列中每一幅图像肯定存在部分像素，其实际景深刚好等于或接近对应的采样景深。该部分像素真实地刻画了与其...