中国指挥与控制学会会刊 
随着数字图像处理技术的发展,通过提取图像特征进行图像内容判读已经应用于多个领域,其中图像的颜色特征信息[1]是进行图像内容判读的重要特征之一。采用CCD成像设备采集图像时会受到天气条件[2]等各种因素的影响导致图像的质量下降,如颜色信息的损失,这对图像内容的判读是极其不利的。
引起图像颜色信息损失的众多因素中,大气环境是一个重要的方面。目前广泛研究的雾天降质图像复原问题[3],根据雾天对图像质量影响的物理机制建立雾天降质模型,通过补偿降质过程造成的失真以获得未经干扰降质的无雾图像或无雾图像的最优估计值,以达到改善图像质量的目的。最初是R.Tan通过统计发现无雾图像相对于有雾图像有较高的对比度,从而利用最大化复原图像的局部对比度达到去雾的效果,然而该方法不可避免的是复原后的图像颜色过于饱和失真。此外,Fattal假设光的传播和场景目标表面遮光部分是局部不相关的前提下,估计出场景的辐照度并由此推导出传播图,这种基于数理统计的方法对于处理浓雾天气下颜色暗淡的图像会产生很大的颜色失真问题。2009年,何凯明通过收集大量不受雾气影响的图像统计发现了可以识别雾气浓度的暗原色统计规律,提出了一种基于统计暗影先验的图像去雾方法[4]并首次获得了清晰和鲜艳的图像,后续人们对何凯明提出的暗原色先验理论进行深入剖析的基础上,针对其存在的问题提出了不同的改进算法。
对大气环境引起的图像颜色信息损失进行复原,利用现有的雾天图像复原算法处理的图像颜色特征还存在不同程度的颜色失真问题[5],这会造成以颜色特征为依据的图像内容判读出现误差。鉴于此,本文在总结现有的雾天图像复原技术的基础上,通过将原图像转换到XYZ颜色空间进行图像颜色信息的复原处理,以减少复原图像的颜色特征信息失真。
1 图像颜色特征复原
图像是成像设备通过传感器获取的外界景物信息。在野外较远距离处,由于大气对景物辐射传输的影响,使得进入传感器的辐射能量发生变化从而改变景物图像信息。光线从景物到接收点的传播过程中大气对辐射会产生散射与吸收衰减,同时在传输方向上附加一个与大气路程有关的气幕亮度,使得可见光的亮度、颜色等特性发生改变[6]。
1.1 图像颜色失真特性
对于CCD成像设备而言,传感器接收到的景物图像信息是大气环境对景物发出的光辐射能衰减和气幕亮度共同作用的结果。图1 为CCD成像设备在采集景物图像信息时大气对可见光辐射能的衰减作用,图2 为CCD成像设备采集图像信息时环境光形成的气幕亮度参与成像过程示意图[7]。
CCD成像设备采集到的图像M'可以表示为
M'(x,y)=M(x,y)×eαl+LH×(1-e-αl)
式中,M'(x,y)为CCD成像设备实际采集的图像,M'(x,y)为景物真实图像,LH表示无穷远处天空亮度、α是大气消光指数、l表示观测的距离。
由式(1)可知,CCD成像设备实际采集的图像与景物的距离有关。观测的距离越远,图像信息受到的影响越大且呈指数关系增大。大气环境对传输能量产生散射衰减使采集图像的能量减少,导致图像的对比度发生改变,同时增大了环境光气幕亮度参与原图像成像比例[7],从而进一步导致图像饱和度降低、颜色发生退化,给人眼产生一种颜色失真的感觉。
1.2 颜色空间
理想的CCD成像设备应满足卢瑟条件,即采集的光辐射值和转化的三刺激值之间存在线性变换,然而实际使用的CCD成像设备中的滤光器及CCD均是非线性的。另一方面,对RGB颜色空间的图像进行颜色特征信息复原处理时,常见的处理方法是对RGB三个分量分别进行图像复原处理,然后对处理后的三个分量线性组合。RGB颜色空间选择的是视觉上实际可见的红、绿、蓝三原色,三种主要颜色之间有很强的关系,这种处理方法会导致整幅图像的颜色失真。
由于在RGB颜色空间复原图像的颜色特征存在一定的问题,本文将待处理的RGB颜色空间图像转换到XYZ颜色空间进行图像的颜色特征信息复原。CIE-XYZ颜色空间的三原色X、Y、Z 通道之间相互独立,将颜色空间的色度与亮度分开且与设备无关[8],更加符合人眼的视觉系统,可以更方便地描述颜色信息。
1.3 图像颜色特征复原模型
颜色复原的目的是使处理后图像的亮度和色度在视觉上最大程度地接近原景物的颜色感受。通过对导致图像颜色信息损失的影响因素的分析,建立如图3 所示的图像颜色复原算法流程图。将CCD成像设备采集到的sRGB图像转换为RGB颜色空间的图像,然后将RGB图像转换为XYZ图像,RGB颜色空间与XYZ颜色空间[9]转换关系如式(2)所示。
在XYZ颜色空间中分别对图像颜色的亮度和色调进行复原,由于经过图像复原处理的亮度图像和色度图像相互独立,因此可将处理后的亮度图像和色度图像进行线性组合得到颜色复原后的图像。
1.4 图像颜色复原的参数计算
由式(1)可得颜色复原图像M(x,y)的计算公式为
M(x,y)=
由式(3)可知,由CCD成像设备接收到的图像M'(x,y)处理得到颜色复原的M(x,y),与天空的气幕亮度LH、大气消光指数α、观测距离l有关。
天空的气幕亮度LH是大气路程无穷远时天空的气幕亮度,大气路程无穷远时天空的气幕亮度LH可以通过计算原图像中的最大亮度值来近似。在RGB颜色空间中亮度值分布在三个颜色通道,采用三个颜色通道刺激值的平均作为亮度来近似气幕亮度误差比较大。为了最大程度地减少景物色调偏移和亮度改变,本文在XYZ颜色空间的亮度分量图中计算图像的最大亮度值来近似天空的气幕亮度LH,对色度图像不会产生影响。
大气消光指数α与气象能见度S有关,其关系表示为
S=3.912/α
在室外采集图像的实验过程中,气象能见度可以通过专门的仪器来测定,由此得出与之对应的大气消光指数α。
2 实验与分析
在不同天气条件下,对多个目标采集不同距离处的图像并进行颜色复原处理,计算每幅图像颜色与目标颜色的色差。色差计算结果表明本文算法可以实现图像颜色复原,并且复原后图像颜色与目标颜色色差减小。选取一组实验如图4 所示,在晴朗天气(能见度为20km)采集景物图像,在距离1m处采集景物的近景图像,在距离0.8km处采集景物的远景图像。使用室内光谱仪测量图中标记树叶的反射光谱曲线,根据光谱反射曲线计算树叶颜色L*a*b*值。利用OpenCV编写程序对远景图像进行颜色复原处理,同时计算三幅图像中标记的树叶颜色L*a*b*值与室内测量的树叶颜色L*a*b*值之间的色差。深绿色树叶① 用圆圈标记,黄绿色树叶② 用方框标记,计算结果如表1 所示:
大气环境的气幕亮度值与距离有关,在远距离处对景物采集图像时,由于气幕亮度参与成像导致图像亮度对比度的降低和色调偏移,如图4 远景图像。利用本文算法对远景图像进行颜色复原处理后,从主观视觉上景物的颜色变得清晰和逼真,颜色的对比度也得到提高,整体颜色感受更加接近近景图像的颜色。由表1 的色差计算结果也可以看出,颜色复原图像标记处的颜色与树叶的颜色色差最小,即处理后颜色复原地更接近真实颜色,与主观视觉上的颜色感受一致。
在天气较差的情况下采集多种目标图像,采用不同的算法对图像颜色复原,说明本文算法对图像颜色信息复原效果更好。选取一组实验如图5 所示,拍摄距离为0.8km,实验环境的气象能见度为16km,采用He算法、多尺度算法和RGB颜色空间基于大气散射模型对原始图像进行图像颜色复原处理,同时与本文提出的图像颜色复原算法进行对比实验。
结合图5 的原图和局部图与各种算法处理后的图像对比可以看出,多尺度算法和RGB-大气散射模型算法处理的结果对雾气去除不彻底,图像整体显得模糊且局部细节不清晰。多尺度算法处理的图像颜色在局部也出现了颜色失真,RGB-大气散射模型算法虽然颜色保持相对比较真实,但是树叶的颜色还是偏灰白,颜色对比度低。He算法去雾比较彻底,但是图像中树叶、树干等边缘出现了不同程度的白边现象,且由于出现过增强而导致颜色的严重失真。本文算法处理图像没有出现色彩失真现象,视觉上图像的颜色比较真实自然,对雾气去除比较彻底且图像清晰度,景深更大。
表2 信息熵、清晰度、直方图相似度的比较 |
| 信息熵 | 清晰度 | 直方图相似度 | |
|---|---|---|---|
| 原图 | 7.2031 | 0.7477 | 1.0000 |
| MSN算法 | 7.3482 | 0.9054 | 0.7274 |
| RGB算法 | 7.3244 | 0.8474 | 0.7564 |
| He 算法 | 7.1546 | 1.0000 | 0.3924 |
| 本文算法 | 7.4387 | 0.9429 | 0.8059 |
由表2 可以看出,各种图像复原算法处理后的图像质量都得到了不同程度的改善。信息熵表明处理后图像信息量较丰富,基本没有丢失,清晰度的结果表明图像的清晰度有了较大的提高。通过计算4种算法处理后的图像直方图和原图像直方图的相似度评价各种算法对图像颜色的复原效果,由表2 可知本文提出的算法对景物的色调还原程度最高,He算法由于出现了对图像颜色的过增强导致颜色严重失真,所以其颜色直方图的相似度是最低的。
3 结束语
由于大气环境因素导致CCD成像设备采集的图像颜色会产生偏移、失真现象,目前的图像复原算法通过增强图像的色彩强度来提高图像的视见度,然而图像的色彩强度增强不足或过于饱和时都会出现颜色偏移、失真现象,并没有恢复到景物的真实颜色。针对上述问题,本文将CCD成像设备采集到的RGB颜色空间图像转换为XYZ 颜色空间图像,依据采集图像过程中大气环境因素对图像颜色信息的影响,建立图像颜色复原模型实现了对图像的颜色复原处理。实验结果表明本文算法处理后图像颜色与景物颜色更加接近,视觉上更加真实,并且图像的清晰度也得到了改善。下一步将采集多种颜色标准板在不同条件下的图像,寻找导致颜色变化的因素与标准板色差之间的规律。