在雾霾天气条件下，近地遥感图像常受到大气气溶胶粒子散射效应的显著影响，导致图像对比度降低、细节信息丢失，进而影响目标的分析与识别。因此，如何有效去除雾霾的影响，提高图像质量一直是研究的热点问题。
基于目标反射或散射光在偏振特性上的差异性，以及不同波长对雾霾粒子的穿透能力差异，本研究提出一种融合可见光与近红外偏振光谱图像的图像去雾方法。首先利用改进的大气光偏振模型估算出无穷远处的大气光光强（A∞）和大气光的偏振度（p），然后利用偏振去雾算法得到去雾后的可见光图像。其次，采用所提出的自适应检测和透射率图的融合方法，将去雾后的可见光图像与近红外偏振光谱图像进行融合。最后得到细节丰富的去雾图像。实验结果表明，该方法提高了去雾图像的细节恢复效果。此外，基于信息熵(IE)、结构相似指数(SSIM)、对比度(IC)、峰值信噪比(PSNR)等图像评价指标对去雾效果进行定量评价。总体来说，本文提出的方法在各项指标上均表现优异，信息熵针对原始图像提升了约3.6%，对比度提升了约3.26倍，相比其他方法显示了较高的图像信息保留效果，证明了其在图像去雾方面的有效性和优越性。
研究背景
随着工业化发展与环境恶化，雾霾天气频发，对近地遥感与智能感知系统带来了巨大的挑战。在雾霾环境中，大气中微小水滴、气溶粒子等悬浮颗粒对光波产生散射作用，尤其在短波段（如可见光）表现为严重的能量衰减与杂散光增强，导致图像清晰度降低、细节模糊、边缘不清，严重制约了图像后续分析处理任务的有效性。
图像去雾作为一种关键的图像增强手段，广泛应用于遥感监测、智能交通、安全安防等领域。近年来，研究人员提出了多种去雾方法，包括基于物理模型的暗通道先验（Dark Channel Prior，DCP）、基于多图像融合的方法、以及深度学习方法。其中，偏振成像技术因其可有效分离目标反射光与大气散射光，成为近年来图像去雾研究的重点方向。然而，传统基于偏振的去雾方法对无穷远处大气光辐射和大气光偏振度的估算误差易导致图像失真。
此外，近红外图像相比可见光图像在雾霾中具有更强的穿透能力，能保留更多远场目标信息，但单独使用近红外图像易引入伪色或目标识别偏差。因此，融合偏振与多光谱信息成为当前图像去雾研究的重要趋势。
主要内容
本文提出的基于可见光/近红外偏振多光谱图像的融合去雾方法分为两步来实现：第一步，利用大气光偏振态分布模型估计得到无穷远处的大气光光强和大气光偏振度，通过Stokes矢量与穆勒矩阵之间的关系得到光强最大和光强最小的偏振光谱图像，然后得到可见光偏振光谱去雾图像。第二步，利用可见光去雾图像和近红外图像进行融合去雾，最后得到细节丰富的去雾图像。整个去雾方法的流程框图如图1所示。
图1 基于可见光/近红外偏振多光谱图像融合去雾方法流程框图
在均匀大气中，无穷远处的大气光强度A∞和大气光的偏振度p是两个全局常数。针对传统Schechner偏振去雾算法依赖天空区域估计大气光参数的问题，本文引入RT3矢量辐射传输模型，能够模拟半球天空中大气光的偏振态分布。利用半球视场全天空光偏振成像探测系统进行雾霾天气下大气光偏振态分布模型验证实验，模型仿真结果与大气光的实际探测结果在绝大多数区域内的误差都很小，模型模拟结果与实际情况基本一致。改进后的基于RT3大气辐射传输模型的空气偏振模式也适用于雾、霾天气。模拟结果如图2所示。利用大气光偏振态分布模型对无穷远处的大气光强A∞和大气光偏振度p进行估计。在半球天空大气光偏振态分布数据中找到大气光强值最大的点，该点的大气光强值作为估计的无穷远处的大气光强A∞，该点的大气光偏振度值作为估计的大气光偏振度p。
图2 530nm半球天空大气光偏振度的测量值与估计值(a) 测量值；(b) 估计值；(c) 测量值与估计值的相对误差
在获得最大光强图像、最小光强图像、无穷远处的大气光强和大气光偏振四个参数之后，就可以得到可见光偏振光谱去雾图像和近红外偏振光谱图像的光强最小图像。在接下来的可见光/近红外偏振光谱图像融合去雾方法中这两幅图像将作为原始的输入图像。可见光/近红外偏振光谱图像融合去雾方法的流程框图如图3所示。
图3 可见/近红外偏振光谱图像融合去雾方法流程框图
首先，利用基于滚动导向滤波(rolling guidance filter, RGF)和高斯滤波的多尺度分解(multi-scale decomposition, MSD)将输入图像分解为基础层与四幅不同尺度下的细节层，然后通过提出的基于透射率图的自适应检测融合方法获得融合的细节层，最后将基础层和细节层通过逆MSD得到融合图像。基于多尺度分解(MSD)的融合方法在可见光/近红外图像融合去雾方法中有着广泛的应用。不同尺度的图像结构在空间域内进行重叠，图像中的小尺度结构通常对应于细节和纹理，而图像中大尺度结构通常对应于图像中较大尺寸的场景目标。
利用集成的多光谱偏振成像探测系统进行室外雾天探测实验，该探测系统结合了电动滤波转轮与分焦平面相机，可获取六个可见光波段和2个近红外波段的偏振光谱图像。系统已完成偏振定标和光谱定标，工作波段覆盖400-1000nm，分辨率为2448ⅹ2048像素，滤光片半带宽为10nm，该探测系统如图4所示。在雨雾天气条件下，目标场景距离探测系统1.3km。
图4 采用的多光谱偏振成像系统
将本文提出的图像融合去雾方法与Schau，He，FFA-Net以及Frederik等去雾方法进行对比，对比结果如图5所示。可以看出，Schaul的方法可以恢复图像中的细节，但是将植被等在近红外谱段图像中的灰度信息带入到了融合去雾图像中，不符合人眼正常的视觉习惯。He的方法能够显著地增强图像的对比度和清晰度，但对大气光比较敏感，在处理天空区域时会出现不自然的失真。FFA-Net将信道注意与像素注意机制相结合，处理不同特征和像素时具有很大的灵活性，网络能够充分地融合所有特征，自适应地学习不同层次特征信息的不同权重，但该方法对于某些区域的像素处理欠佳，导致在建筑物表面存在斑点。Frederike的自适应融合去雾方法对远场场景的去雾效果有限，细节模糊。本文提出的方法获得了清晰细节丰富的去雾图像，不仅保留了植被在可见光谱段图像中的灰度信息，而且还恢复了远场场景的细节，证明了该方法的有效性。
经过分析，本研究在去雾过程中引入了散粒噪声，主要原因是可见光-近红外偏振图像的融合过程中由于某些区域的灰度值不一致导致在高频边缘处引入了一定程度的误差，可能导致局部区域出现散粒噪声。融合后的图像在一定程度上增加了信息熵，但经过去噪处理对比后，本文方法的自适应融合策略通过增强细节和边缘信息，是导致熵值最大化的主要原因。
图5 不同场景下几种方法的去雾结果
在图像质量评价方面，基于SSIM、信息熵（IE）、对比度（IC）和PSNR等四项指标，以雨雾天气条件下目标探测距离1.3km处的大楼场景为例，计算Schaul，He，FFA-Net以及Frederike等去雾方法的四种图像质量评价指标的结果如表1所示。从结果来看，本研究提出的方法在各项指标上均表现优异，相比其他方法显示了较高的图像信息保留效果，去雾效果显著。
表1 不同去雾方法效果对比
结论
本文提出的融合可见光与近红外偏振图像的去雾方法，通过引入RT3矢量传输模型与自适应检测和透射率图的融合机制，成功克服了传统偏振去雾方法依赖天空区域与近红外误差传导问题，所提出的自适应融合方法在多尺度细节层面增强了远场目标轮廓与材质细节。实验验证表明，本方法在视觉效果与定量指标方面均显著优于现有方法。
尽管本文提出的融合去雾方法在图像细节恢复与质量提升方面取得了良好效果，但由于实验系统仍基于静态场景与单次成像数据，尚未充分考虑复杂动态环境下的光照变化与雾霾时变特性，这在一定程度上限制了方法的适应性与实用性。因此，未来的研究可以进一步探索将本文的物理建模方法与深度学习模型相结合，在保证模型物理可解释性的同时，引入神经网络的特征学习与模式识别能力，以提升算法在多样化场景下的鲁棒性和泛化能力。此外，结合多通道、多时相的偏振光谱成像数据，构建支持时序信息建模的图像处理框架，并将其拓展应用于动态遥感、低能见度导航等复杂任务场景，也是后续值得深入研究的重要方向。
作者与团队介绍
张颖
张颖，现为北京航空航天大学仪器科学与光电工程学院副教授。主要研究方向包括光电成像探测、图像处理、目标检测与识别以及机器学习。已累计发表论文40余篇，其中SCI检索20余篇、EI检索20余篇，申请并授权国家发明专利20余项。
邮箱：yingzhang@buaa.edu.cn
徐希海
徐希海，现为北京航空航天大学航空发动机研究院助理研究员。主要研究方向包括气动声学、喷流噪声以及基于光学的气动声学测试与分析技术。
邮箱：xuxihai@buaa.edu.cn
北京航空航天大学仪器科学与光电工程学院张颖老师团队，主要进行智能光电成像探测技术、偏振光谱成像技术的研究。
文章信息
张颖, 王兴, 张思维, 等. 基于偏振光谱图像的融合去雾方法（特邀）．红外与激光工程, 2025, 54(5): 20240523. DOI: 10.3788/IRLA20240523
全文链接：http://irla.cn/article/doi/10.3788/IRLA20240523（阅读原文）