低能见度条件下车载视频的清晰化处理研究

摘   要： 针对低能见度天气影响交通出行的问题，提出一种新的车载视频清晰化处理算法。首先将获取图像的颜色模型转换为HSV模型，对其中的亮度分量进行直方图均衡后，再采用暗原色先验算法恢复，最后将其与原来的色度分量和饱和度分量整合后输出。实验结果表明，该算法能较大程度提高低能见度交通图像的目标辨识度，图像对比度明显增强，颜色失真较少。
关键词： 低能见度； 车载视频； HSV模型； 直方图均衡； 暗原色先验
   1 车载视频清晰化算法的研究意义
     能见度在气象学中指物体能够被清楚识别的最大距离，它与当时的天气情况密切相关。当出现雾、霾和沙尘等恶劣天气时， 大气透明度降低,能见度一般小于1.0 km。低能见度条件下拍摄的图像其对比度和颜色在天气影响下被改变，图像蕴含的许多特征被掩盖，景物可辨识度大大降低。
     目前国内外研究最多的清晰化算法是图像的去雾技术，主要有两种思路，一种是基于大气退化物理模型的方法,需要求得深度信息[1-2],这对硬件系统的要求过高；另一种是基于图像增强的方法[3],运算量很大,不适合实时处理。2009年，He等提出的暗原色先验去雾技术对一般带雾图像取得了很好的效果[4],它无需深度信息，简单有效，实时性高，但是通过实验表明，该算法处理其他天气类型图像的效果不佳。本文在该算法基础上进行了改进,使其适用于恢复各种低能见度天气下的交通图像。

     


     通过式(6)可粗略估算出透射率t，为了提高精度，应用一种软抠图算法[5]来完善透射率分布函数。大气光线强度A的估计方法为：先取暗原色中0.1％亮度最大的像素,然后取这些像素对应在原图中的最大值作为A的值。
2.3直方图均衡
     暗原色先验算法对雨、雪、霾和沙尘等低能见度天气图像处理效果不佳的原因主要有两方面，第一，该算法建立在暗原色假设之上，对不满足这一假设的天空、白色物体和水面等明亮区域，算法估计的透射率偏小，如图1(a)的雨水和白色车辆，图1(b)的雪花和白色地面。这些区域的像素值很大，暗原色直方图分布偏高(如图2(a))，区域内找不到像素值接近于0的暗原色点，暗原色假设不成立，造成结果失真。另一方面，如图1(c)和图1(d)所示的霾和沙尘天气图像，其主要特点是整体画面昏暗，暗原色直方图的像素值绝大部分偏低(如图2(c))，若直接利用暗原色先验算法估测透射率和大气光线强度,恢复效果很不理想。