【CN109903250A】基于多尺度梯度域对比度拉伸的水下图像清晰化处理方法【专利】

合集下载

基于水下图像光学成像模型的清晰化算法

龙源期刊网
基于水下图像光学成像模型的清晰化算法
作者：郭相凤贾建芳杨瑞峰葛中峰
来源：《计算机应用》2012年第10期
摘要:针对水下图像的纹理细节模糊、对比度低以及图像光照不均问题，通过分析水下图像的成像过程，提出一种水下图像清晰化算法。

在小波域的低频子带上结合水下图像光学成像模型，先利用高斯模糊对介质散射光进行估计与去除，再采用基于局部复杂度的方法调整衰减因子，对衰减低频子图进行自适应增强；在高频子带上采用非线性变换的增强方法，进一步增强了高频信息并有效地抑制了噪声的放大。

实验结果表明该算法对解决水下图像模糊和光照不均问题具有较好的效果，与基于小波变换的水下降质图像复原算法相比，具有较高的实时性。

关键词:水下图像；图像增强；小波变换；光学成像模型；低对比度；光照不均。

基于限制对比度颜色校正的水下图像增强

基于限制对比度颜色校正的水下图像增强余义德;周曼丽;王红萍【摘要】针对水下图像对比度低、颜色失真的问题,提出了限制对比度自适应的颜色校正模型算法,在灰度的基础上,先求出RGB各个通道的均值然后进行对比判断,根据均值的大小来决定是一端线性拉伸还是两端线性拉伸.该方法基于颜色平衡、RGB色彩模型和HSI颜色模型的对比度校正.基于增强水下图像质量的需求,该算法在CLAHE分块进行局部处理方式的基础上,对每小块区域进行限制对比度,然后运用颜色校正模型算法,并采用双线性插值来提高算法的效率,实验结果表明该算法更加优异.【期刊名称】《无线电工程》【年(卷),期】2017(047)009【总页数】5页(P16-20)【关键词】水下图像;图像增强;颜色校正模型;自适应算法【作者】余义德;周曼丽;王红萍【作者单位】中国人民解放军第91550部队,辽宁大连 116023;中国海洋大学信息科学与工程学院,山东青岛 266100;中国人民解放军第91550部队,辽宁大连116023【正文语种】中文【中图分类】TP391.41随着科技的进步，光学成像技术得到了广泛的应用，已逐步涉及到人类生活和社会发展的各个方面，但受到场景条件的影响，有些图像拍摄的视觉效果并不理想，需要采用图像处理技术来突出其中的重点目标特征、减弱或去除噪声，得到更适合人或机器进行分析处理的图像[1]，进一步完成目标识别、跟踪和解算等。

图像增强作为图像处理的重要组成部分之一，对于改善图像的质量发挥了巨大作用。

早在20世纪60年代末和70年代初，图像增强技术已经在医学影像、地球遥感监测和天文学等领域崭露头角。

目前图像增强技术被广泛用于退化文档图像的增强[2]；安控领域中的指纹图像增强[3]；交通应用中的雾霭图像增强[4]，车牌、路标等重要信息的识别；军事应用中提取我方感兴趣的敌方目标；以及海洋开发中越来越多的水下目标探测与图像处理。

水下环境复杂，对其进行观测、监控时较为直接有效的方法是采集图像视频，而由于水体本来的光学特性以及水中的悬浮颗粒、微生物和藻类等杂质的影响，导致采集到的视频、图像整体模糊，噪声较多，对比度降低，整体偏暗，彩色图片的颜色失真。

偏振参数最优重构的水下降质图像清晰化方法

S c h e c h n e r 等人17]在水下复原模型基础上引人偏振信息，通过手动旋转偏振片，依据视觉观察获取同一目标物的最大值图像和最小值图像,手动选取背景区域来估算背景光信息和无穷远处背景光值,尽管该方法过程简洁，运算效率高，可是需要手动选取背景区域进行参数运算，使得人机交互更加繁琐，而且手动选取区域，依靠于研究人员的判断，容易造成误选使得复原图像出现偏差。T a l i 等人M 通过重构偏振复
了水下环境模拟平台，通过单通道偏振探测器实时获取水下偏振图像；为了验证算法的有效性，通过三
种客观评价指标与其他复原方法进行比较，结果显示算法效果优于其他的水下图像复原方法。
20200426-1
第6期
红外与激光工程
第50卷
0 引言
近年来，水下成像在海底军事侦察、海下考古发掘和海底资源探测等方面都有着不可替代的作用。因为水中悬浮粒子对光具有吸收和散射作用，导致传统的成像系统获取到的图像犹如雾霾天气下所拍摄的图像，失去了探测的意义。为了提高图像的质量和对比度，国内外的研究机构通过分析水下的吸收和散射现象研制新的成像系统，如水下距离选通系统 [|]、鬼成像技术 w 和结构光成像系统 131来获取图像。同时为解决水下图像退化问题，也有不少学者致力于研究水下退化图像复原方法。

基于不同颜色模型对比度校正的水下降质图像处理

基于不同颜色模型对比度校正的水下降质图像处理仝灼银;赵连玉;李学平;卢燕超;张伯荣【摘要】光通过水体介质传播过程中的衰减,为水下图像成像带来了一系列的问题.水下目标在成像时会受到海水水质及悬浮物的影响,使采集到的图像变得模糊、对比度下降.文中利用模拟仿真软件对水下图像进行处理,优化出一种基于不同颜色模型对比度修正的自适应直方图水下图像清晰化的有效方法.从实验结果的数据分析可以得出,通过对比度的调整实现了水下图像可视度的增强和图像细节信息的有效放大,由于光照不均匀带来的问题能得到有效缓解.%With the attenuation of light propagation through the natural media propagation,it brought a series of problems for taking underwater images.Collected underwater images will become low contrast and blurred,because water quality and the suspended solids have a great effects on target object.This paper uses simulation software for underwater image processing and optimizes a different color model based on adaptive histogram contrast correction effective algorithm of underwater images.We can conclude from the data analysis of experimental results that underwater image visibility was enhanced,image details are effectively magnified by contrast adjusted and problems due to uneven brightness can be effectively alleviated.【期刊名称】《天津理工大学学报》【年(卷),期】2017(033)003【总页数】6页(P20-25)【关键词】水下图像;光照不均;对比度增强;颜色模型校正【作者】仝灼银;赵连玉;李学平;卢燕超;张伯荣【作者单位】天津理工大学机械工程学院天津市先进机电系统设计与智能控制重点实验室,天津300384;天津理工大学机械工程学院天津市先进机电系统设计与智能控制重点实验室,天津300384;天津理工大学机械工程学院天津市先进机电系统设计与智能控制重点实验室,天津300384;天津理工大学机械工程学院天津市先进机电系统设计与智能控制重点实验室,天津300384;天津理工大学机械工程学院天津市先进机电系统设计与智能控制重点实验室,天津300384【正文语种】中文【中图分类】TP391.9中国是个海洋大国，辽阔的海域中蕴藏着丰富的资源，海洋资源的探索和开发对我国的国防安全和国民经济都有及其重要的价值和意义.但受到水下恶劣成像环境的影响，获取到的水下图像普遍存在对比度低、模糊、偏色等不利因素[1].图像可视质量的下降会严重影响目标识别和后续特征提取等过程的性能.因此，借助图像处理技术有效的提高水下图像视觉质量具有重要的现实意义.水下成像广泛应用于科学研究和工程技术领域，比如监控和水下导航等等.水下成像会受到水的影响，在水中光线被衰减、散射和折射.因为视场中的物体离相机的距离不同，物体的辐射度随着深度的增加会快速衰减.在这种影响下，带有悬浮粒子的水实际上就是水溶胶，产生一层遮掩物，降低了水下图像的对比度并导致图像中的物体看起来很模糊.由于海下环境物理属性的特殊性，水下图像处理是一个具有挑战性的领域.从事水下研究的科学家主要面临水下成像过程中光的吸收和扩散效应的挑战[2].当光在水下传播时，光照强度会根据颜色光谱波长呈不同程度的指数丢失.根据水下清澈程度的不同，光的衰减程度也会有很大的不同，在清水中能见度的距离约为20 m，而在浑浊的水中只有5 m.此外，在空气中传播的部分光会经折射后进入水中，水运动产生的波扩散的光线进入水中会产生波皱模式，方向和强度会根据水表面的结构有所不同.由于水的吸收和散射效应，光是根据距离和深度呈指数衰减的.低质量的水下图像主要是由以下因素：低对比度、反光物体、悬浮微粒和非均匀照明，这些因素会导致不均匀的照明.受低对比度和颜色分布不均匀的限制，图像中的目标信息很难和背景区分开.为了处理这些问题，基于空域和频域的各种水下成像技术和方法已经广泛应用到水下图像处理领域.水作为光传播介质的特殊的物理属性，相比于正常图像的采集，水下图像会有一定程度的退化.图像成像会随着海洋的深度增加转呈绿色或蓝色.随着光在海水中的传播，它的强度会根据颜色光谱的波长呈不同程度的衰减.图1显示了水下颜色递减的插图.在清澈的水域，可见光首先被吸收的是波长最长的光.红色光是最容易吸收的光色，在水下深度1 m，其光照强度会降低到1/3.在深入到水下4 m到5 m时，水下红色光几乎会被全部吸收.红色是第一个颜色分量在深度为5 m水被吸收的颜色，紧接着就是橙色、黄色、绿色和蓝色.水下图像出现蓝绿色，因为这些颜色被吸收的最少.与此同时，相比于其他波长的颜色光，蓝色和紫色光是被吸收最少的[3].这就是人们肉眼通常看见的海洋海水呈现深蓝色的原因.这种颜色吸收导致捕捉到的水下图像呈现出低颜色和低对比度，图像的重要信息也是这样丢失的.水下图像特点[5]：1）在海下，自然光经过水体介质散射，光强度衰减较大，图像成像照明光主要靠外加辅助照明系统发出.光线的照度强弱分布差异较大，以光的最强点为中心，径向逐渐减弱，光场分布不均匀，反映到图像上就是背景亮暗有较大的差异.2）由于海下水体介质对光的吸收、散射效应和卷积效应使水下图像有较严重的非均匀亮度和细节特征不清晰，而且图像信噪比较低、对比度较差.3）照明条件不良，使水下图像变得更差，水体对光的吸收效应和后向散射带来的非线性影响，比如出现假细节、自阴影等.现有的水下图像处理方法主要分为两类：第一类是基于图像增强的方法，这类方法针对水下图像质量下降的表现（如对比度下降、偏色、图像模糊等），选取相应的图像增强技术，改善图像质量.这类方法可以在一定程度上提高图像清晰度，但由于没有考虑水下图像降质原因，其增强结果不一定能正确反映图像的真实面貌.第二类方法是基于物理模型的方法，这种方法借鉴水下图像成像原理，通过研究水中悬浮颗粒对入射光的散射及吸收作用，建立合理的水下成像模型，在此基础上反演出未降质图像.但由于水下成像过程复杂多样，现有模型普遍存在参数过于简单、通用性差的缺点，制约了这类方法的使用[1].水下图像增强技术可以分为空间域图像增强和频率域图像增强两大类.基于空域增强的常用技术有对比度拉伸、直方图修正、图像平滑以及图像锐化等.基于频域增强的常用方法有同态滤波、小波变换等[1].在增强过程中可以采用单一的方法处理，但更多实际情况是采用几种方法联合处理.2.1 直方图均衡化（HE）直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同，把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布.直方图均衡化的函数模型为直方图均衡化方法对于背景和前景都太亮或者太暗的图像非常有用，常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候.缺点是它对处理的数据不加选择，它可能会增加背景杂讯的对比度并且降低有用信号的对比度；变换后图像的灰度级减少，某些细节消失；某些图像，如直方图有高峰，经处理后对比度不自然的过分增强.2.2 限制对比度的自适应直方图增强（CLAHE）如上文所说，直方图均衡化存在一定的缺陷，经过当今学者的研究演化出自适应直方图均衡化（AHE）和限制对比度的自适应直方图均衡化（CLAHE）两种变体.两者都是自适应的增强算法，功能差不多，但是前者有一个很大的缺陷，就是有时候会过度放大图像中相同区域的噪声，为了解决这一问题，Karel提出了对比度受限的直方图均衡技术（CLAHE）[6].CLAHE是另外一种直方图均衡算法，能有效的增强或改善图像（局部）对比度，从而获取更多图像相关信息有利于分割.为了解决噪音放大的问题，采用限制对比度的方法，CLAHE主要是用来克服AHE 的过度放大噪音的问题.在CLAHE中，每一个像素邻域都要进行对比度限制，从而得到对应的变换函数，被用来降低AHE中噪声的增强，这主要是通过限制AHE 中的对比度增强来实现的.像素周围邻域噪声的增强主要是由变换函数的斜率造成的，由于像素邻域的噪声与邻域的映射函数（CDF）成正比，因此也与邻域直方图在该中心像素位置的值成正比，CLAHE之所以能够限制对比度，是因为它在计算邻域的CDF之前在指定阈值处对直方图进行了修剪，如下图所示，这一做法不仅限制了CDF的斜率，也限制了变换函数的斜率，其中对直方图进行切割所使用的阈值，被称作修剪限制度（clip limit），这个参数不仅依赖于直方图的归一化，而且依赖于像素邻域的空间大小，通常设为3到4之间.通常，直接忽略掉那些超出直方图裁剪限幅的部分是不合适的，而应该将这些裁剪掉的部分均匀的分布到直方图的其他部分，如图2所示.2.3 混合的对比度受限的直方图均衡化（Mix-CLAHE）Hitam等人[4]提出了一种混合的CLAHE方法（简称CLAHE-Mix）用于水下图像增强.该方法首先对图像在RGB空间，进行处理，并且只对红色R分量进行直方图均衡化处理，然后将图像由RGB空间转换到HSV空间，并对饱和度S和亮度V分量进行直方图均衡处理，然后再将两次处理结果进行有机组合，就可以得到增强结果.水下对比度较低的图像在经过CLAHE等算法增强过后，对比度在一定程度上得到增强.为了进一步提升图像质量，本文将CLAHE算法进行改进，为水下图像的处理提供行之有效可供参考的方法.水下图像从RGB空间经算法处理分别变换到HSV空间和Lab空间.在图像变换到HSV空间后，对V通道进行处理，再进行CLAHE 算法处理，低照度部分将被增强，以有效提升原图像的整体对比度.同时，高频部分也将加权进行适当减弱，以提升细节内容的对比度.在图像变换到Lab空间后，对L通道进行处理.图3和图4是对水下图像的颜色特征进行的分析.本实验目的是对这个算法进一步提升和推广，用于图像去雾、低照度图像改善和水下图像处理. 图中处理的图像均为水下图像，主要包括海底鱼类和失事飞机两种待处理的目标，为彩色图像，图像大小分布为450×338和500×375.图5（b）～图5（f）和图6（b）～图6（f）图表示两幅图分别使用HE、CLAHE、Mix-CLAHE、HSV方法和Lab方法的处理结果.HE方法可以明显改善图像的对比度，图像易于人类视觉感官接受，但同时对目标的边缘带来了负面的影响，图像亮暗部分差别较大，使得局部特征变模糊，虽然对于水下图像来说，这不影响最终识别结果，考虑到识别精准度，还需要开展进一步研究工作. CLAHE和Mix-CLAHE方法均能在一定程度上提高图像的对比度，但细节的处理仍需进一步的提高.本文通过选用图像信噪比（PSNR）和均方误差（MSE）作为水下图像对比度质量评价标准，他们的函数公式如下所示.式中：M和N分别是x和y方向图像像素点的个数，f（i，j）和g（i，j）分别是原始图像和恢复图像在（i，j）点上的取值.MSE值越小，PSNR值越大，表示恢复图像的清晰度越高，视觉效果越好[7].图像处理结果的MSE和PSNR值如表1、表2所示.水体对光的散射使水下图像模糊、图像的对比度极低[8]，针对这一问题，本文优化的HSV方法和Lab方法主要是分别在HSV颜色模型和在Lab颜色模型对彩色图像进行限制对比度的自适应直方图均衡化（CLAHE）算法处理.通过图像视觉直观感受及表1、表2中的PSNR和MSE客观数据分析发现，处理后的图像均方误差MSE值相比其他算法可达到较小值，同时图像信噪比PSNR可以达到较大值，表明图像处理效果良好.相比于前三种算法，本文在HSV颜色模型和Lab颜色模型下处理图像的方法可以在一定程度上提高图像的信噪比，且降低图像的均方误差.可以在有效增强图像整体对比度的同时，对图像局部细节的提升达到最优.从视觉感知方面可以发现，将原始图像与经过图像增强后的图像进行比较，处理后的图像质量有所改善，其增强效果主要体现在相比于HE、CLAHE和Mix-CLAHE 等方法对比度和亮度都得到了一定程度上的改善，图像的细节部分也更加清晰，层次感强，且增强效果较为平滑.针对水体对光的散射使水下图像模糊、图像的对比度极低这一问题，本研究提出了基于HSV、Lab两种不同颜色空间的对水下图像对比度综合处理的方法.实验结果表明：该方法在增强对比度的同时也能使图像在高亮区和低暗区都能较好地显示出来，该方法在提升对比度的同时能保持细节，然后根据图像的局部亮度自适应地调整图像的梯度来增强对比度，与其他增强算法的对比表明了该方法的有效性.该方法可用于细节模糊、照明不均匀的图像.通过实验结果分析，本文的方法对改善水下质量有一定的实用价值.【相关文献】［1］王建，宋占杰，李重仪，等.水下图像增强方法研究现状［J］.海洋技术学报，2016，35（2）：76-82.［2］Ahmad S A G，Nor Ashidi M I.Enhancement of low quality underwater image through intergrated global and local contrast correction［J］.Applied Soft Computing，2015，37：332-344.［3］Ahmad S A G，Nor A M I.Underwater image quality enhancement through integrated color model with Rayleigh distribution［J］.Applied Soft Computing，2015，27：219-230.［4］Hitam M S，Kuala T，Yussof W，et al.Mixture contrast；limited adaptive histogram equalization for underwater image enhancement［C］//Proceedings of International Conference on Computer Applications Technology.Sousse，Tunisia：IEEE，2013：1-5. ［5］蓝国宁，李建，籍芳.基于小波的水下图像后向散射噪声去除［J］.海洋技术，2010，29（2）：43-47.［6］Zuiderveld K.Contrast limited adaptive histogram equalization［M］.Graphic Gems IV.San Diego：Academic Press Professional，1994：474-485.［7］康艳梅，陈名松，何志毅.基于LED辅助照明的水下图像增强算法研究［J］.电视技术，2013，37（15）：211-214.［8］朱其新，唐宇峰.面向水下环境的图像对比度增强算法研究［J］.化工自动化及仪表，2013，40：32-46.。

基于水下成像模型的深度神经网络图像增强与目标检测

基于水下成像模型的深度神经网络图像增强与目标检测基于水下成像模型的深度神经网络图像增强与目标检测摘要：水下成像技术在海洋工程、生物学和海洋资源开发等领域具有重要应用价值。

然而，水下环境复杂、成像质量低劣、图像中目标难以识别等问题制约着水下成像技术的发展。

本文提出基于水下成像模型的深度神经网络图像增强与目标检测方法，以提高水下图像的清晰度和目标检测准确率。

首先，针对水下图像的模糊、噪声、暗度问题，提出一种基于循环神经网络的图像增强方法，有效改善水下图像的质量。

其次，利用卷积神经网络对增强后的图像进行目标检测，提高目标检测准确率。

最后，对所提方法进行了实验验证，结果表明，提出的方法在水下图像增强和目标检测方面表现优异，为水下成像技术的发展提供了新的思路。

关键词：水下成像；深度神经网络；循环神经网络；卷积神经网络；图像增强；目标检测1. 引言水下成像技术是海洋工程、生物学和海洋资源开发等领域不可或缺的重要技术之一。

随着科技的不断进步，水下成像技术也得到了长足的发展。

然而，水下环境的复杂性使得水下成像质量常常较低，图像中的目标难以识别，成为水下成像技术发展中的难题。

为了提高水下图像的质量和目标检测准确率，近年来，研究者们利用深度学习技术提出了一系列方法，如利用卷积神经网络进行水下目标检测、利用循环神经网络进行图像增强等。

然而，目前水下成像技术仍然存在着一些挑战和难点，因此有必要提出更加有效的方法进行改进和优化。

2. 水下图像增强方法水下成像图像通常存在模糊、噪声、暗度等问题，这些问题影响了图像的质量和清晰度。

本文采用循环神经网络对水下图像进行增强，以解决水下图像的问题。

循环神经网络具有良好的序列建模能力，适合对时序数据进行处理。

我们将水下图像看作是一个序列，将每一列像素看作序列中的一个元素，输入循环神经网络中进行训练。

循环神经网络结构如图1所示。

图1 循环神经网络结构在训练过程中，我们采用带有残差连接的循环神经网络对图像进行增强。

水下光学图像增强与复原方法及应用

水下光学图像增强与复原方法及应用引言水下光学图像是指在水下环境中拍摄的图像，水下光学图像由于受到水的吸收、散射、折射等多种因素的影响，常常使图像失真、暗淡、模糊、有噪声等问题，使得图像无法满足实际应用需求。

因此，如何增强和复原水下光学图像一直是水下机器视觉领域研究的重要内容之一。

本文将介绍水下光学图像增强与复原的方法及应用。

水下光学图像增强方法1. 基于直方图均衡化的增强方法直方图均衡化是一种简单有效的图像增强方法，其原理是对图像的像素值进行整体变换，使得像素值的分布更加均匀。

对于水下图像，直方图均衡化可以通过以下步骤实现：1. 将图像从RGB颜色空间转换到HSV颜色空间，获取图像的亮度分量。

2. 对亮度分量进行直方图均衡化，从而增强图像的对比度和亮度。

3. 将增强后的亮度分量与原图像的饱和度和色调分量合并，得到增强后的图像。

2. 基于局部对比度增强的方法局部对比度增强是一种基于图像局部特征进行增强的方法。

具体应用于水下图像时，可以通过以下步骤实现：1. 对图像进行多尺度分解，将图像分解为多个不同尺度的子图像。

2. 对每个子图像内部进行对比度增强处理，使其更加清晰。

3. 将增强后的子图像进行合并，得到增强后的图像。

水下光学图像复原方法1. 基于退化模型的复原方法水下图像常常受到水的吸收、散射、折射等多种因素的影响而产生失真，这使得恢复原始图像变得非常困难。

因此，使用退化模型来描述失真过程，并对其进行复原是一种非常有效的方法。

该方法可以通过以下步骤实现：1. 构建水下光学图像的退化模型，描述失真过程。

2. 对失真图像进行去模糊处理，恢复图像的模糊部分。

3. 对去模糊后的图像进行去噪处理，恢复图像的噪声部分。

2. 基于双重模型的复原方法双重模型是指用两个模型来描述图像中的结构和纹理信息。

这种方法可以在充分考虑图像边缘信息的基础上，对图像进行复原。

该方法可以通过以下步骤实现：1. 构建双重模型，包括结构信息模型和纹理信息模型。

基于迭代滤波盲复原算法的水下图像噪声去除

基于迭代滤波盲复原算法的水下图像噪声去除吕楠楠;王国宇【摘要】The goal of image restoration is to rebuild primitive image from degenerated image. The recovery methods of Wiener filtering and constraint deconvolution filtering are often used. It is difficult to use Wiener filter and constraint deconvo-lution directly when the reduced quality function is unknown. Therefore, the iterative filtering algorithm which takes Wiener filtering and restraint deconvolution filtering as models is used to remove the noise of underwater images. The experiment proves that the method has obtained an ideal result.%图像复原的目的是从观测到的退化图像重建原始图像,维纳滤波与约束去卷积滤波是比较常采用的复原方法.在未知降质函数的情况下,直接运用维纳滤波和约束去卷积滤波有一定困难.针对此提出以维纳滤波与约束去卷积滤波为模型的迭代滤波盲复原算法对水下图像进行去噪.实验证明,该方法获得了比较理想的复原效果.【期刊名称】《现代电子技术》【年(卷),期】2011(034)017【总页数】3页(P110-112)【关键词】水下图像;维纳滤波;约束去卷积滤波;迭代滤波盲复原【作者】吕楠楠;王国宇【作者单位】中国海洋大学信息科学与工程学院,山东青岛266061;中国海洋大学信息科学与工程学院,山东青岛266061【正文语种】中文【中图分类】TN911.73-340 引言随着计算机技术的进步，近年来计算机图像处理得到飞速发展，成功应用于几乎所有与成像有关的领域，发挥着相当重要的作用。

水下图像自适应色彩校正和清晰化方法研究

水下图像自适应色彩校正和清晰化方法研究水下图像自适应色彩校正和清晰化方法研究近年来，随着水下机器人技术的迅速发展，水下图像获取变得越来越普遍和重要。

然而，由于水下环境的限制，水下图像常常具有低对比度、颜色失真、模糊和噪声等问题，给图像的分析和处理带来了巨大挑战。

因此，水下图像的自适应色彩校正和清晰化方法的研究变得十分必要和紧迫。

在进行水下图像的自适应色彩校正前，首先需要了解水下光学传输特性。

水下环境中，光线传播受到散射、吸收和反射等因素的影响，导致红外光线的衰减更加剧烈，而蓝色和绿色光线较好地保留了穿透能力。

因此，水下图像常常具有偏蓝色调。

自适应色彩校正的目标是根据场景的特征自动调整图像的色彩平衡，使得图像更具真实感和可视化效果。

一种常见的自适应色彩校正方法是基于颜色空间转换的方法。

首先，将水下图像从RGB颜色空间转换到另一种颜色空间，比如HSV颜色空间。

然后，通过调整颜色空间中的参数来改变图像的色彩平衡。

最后，将调整后的图像再转换回RGB颜色空间。

这种方法简单且易于实现，但可能会导致某些颜色的失真。

另一种常用的自适应色彩校正方法是基于直方图均衡化的方法。

直方图均衡化是通过对图像的像素值进行重新分配来增强图像的对比度。

在水下图像中，直方图均衡化可以通过增加蓝色和绿色分量的像素值来改善图像的颜色平衡。

然而，直方图均衡化方法可能会导致图像中的噪声被放大。

除了色彩校正，水下图像的清晰化也是十分重要的。

水下环境中存在着散射和吸收等影响图像清晰度的因素。

因此，通过去除散射和吸收引起的模糊，可以明显改善水下图像的清晰度。

现有的水下图像清晰化方法可以分为两大类：基于退化模型的方法和基于图像增强的方法。

基于退化模型的方法是通过建立水下图像的退化模型来进行图像清晰化。

通常，这些方法通过对图像的模糊程度进行估计，并据此将图像进行抖动校正或可逆退化。

然而，这些方法对水下图像的退化模型的准确性要求较高，在实际应用中存在一定的局限性。

基于多尺度块级联的水下图像增强算法

第 38 卷第 9 期2023 年 9 月Vol.38 No.9Sept. 2023液晶与显示Chinese Journal of Liquid Crystals and Displays基于多尺度块级联的水下图像增强算法郝骏宇，杨鸿波*，侯霞，张洋（北京信息科技大学自动化学院，北京 100089）摘要：由于水中悬浮物的散射以及水体对光的吸收，水下图像有严重的色偏、雾化以及模糊现象。

针对现有基于深度学习的水下图像增强算法使用单一的卷积和上下采样方式，导致图像特征提取不充分的问题，本文构建了基于多尺度特征提取的下采样模块、上采样模块和特征提取模块，并在此基础上提出了一个基于多尺度特征提取块级联（MS-FEBC）的水下图像增强网络框架。

为进一步提高网络的特征提取能力，在网络高维特征空间中添加了CBAM注意力机制。

实验结果表明，与现有算法相比，本文算法有效解决了水下图像存在色偏、雾化和细节丢失等质量较低的问题，在4种客观评价指标上均有显著提升，对图像SIFT特征点检测和Canny边缘检测视觉任务的性能有明显提高。

关键词：水下图像增强；级联网络；多尺度特征提取中图分类号：TP391.4 文献标识码：A doi：10.37188/CJLCD.2022-0352Underwater image enhancement algorithm based onmulti-scale block cascadeHAO Jun-yu，YANG Hong-bo*，HOU Xia，ZHANG Yang（College of Automation， Beijing Information Science and Technology University， Beijing 100089， China）Abstract：Underwater images often suffer from severe color degradation，haze and local blur，which are attenuated by the scattering of suspended objects in water and the absorption of light by water. Aiming at the problem that the existing underwater image enhancement algorithms based on deep learning use a single convolution，up-sampling and down-sampling mode which leads to insufficient image feature extraction，this paper constructs the down-sampling module， up-sampling module and feature extraction module based on multi-scale feature extraction. On this basis， an underwater image enhancement network framework based on multi-scale feature extraction block cascade （MS-FEBC）is proposed.To further improve the feature extraction capability of the network，the CBAM attention mechanism is added to the high-dimensional feature space of the network. The experimental results demonstrate that compared with the existing algorithms，the algorithm in this paper effectively solves the problem that the underwater images have lower quality such as color-cast， hazing and detail loss. There is a significant improvement in all four objective evaluation indexes.The performance of the image SIFT feature point detection and Canny edge detection vision 文章编号：1007-2780（2023）09-1272-09收稿日期：2022-10-24；修订日期：2022-12-24.基金项目：国家自然科学基金（No.62001035）；北京市教委科研项目（No.KM202111232018）Supported by National Natural Science Foundation of China（No.62001035）；Scientific Research Programof Beijing Municipal Education Commission（No.KM202111232018）*通信联系人，E-mail：anonbo@第 9 期郝骏宇，等：基于多尺度块级联的水下图像增强算法tasks is significantly improved.Key words： underwater image enhancement； cascaded network； multi-scale feature extraction1 引言水下机器人在海洋石油钻探、海底隧道、管道搭建和水产养殖等水下作业任务中，需要稳定清晰的水下图像予以辅助分析。

水下图像增强和复原方法研究进展

研究现状
传统的水下图像增强方法主要包括对比度增强、噪声去除、锐化等，旨在改善图像的视觉效果。然而，这些方法往往难以应对水下环境的复杂多变。近年来，基于深度学习的图像增强方法成为研究热点，其具有强大的特征学习和图像恢复能力，为水下图像增强提供了新的解决方案。
在水下图像复原方面，由于水下环境的物理特性，如光线、水质等因素，会导致图像质量的下降。传统的方法多采用模型驱动或统计学习方法进行图像复原，如盲去卷积、非局部均值去噪等。然而，这些方法对于水下环境的适应性有待进一步提高。近年来，深度学习技术的发展为水下图像复原提供了新的解决途径，通过学习训练数据中的图像特征，实现图像的自动化恢复。
2、针对水下环境的特性，设计并优化适用于水下图像增强的算法和模型。 3、利用深度学习技术，构建能够自动学习和模拟图像退化过程的复原模型。
4、通过大量的实验验证和对比分析，评估算法和模型的性能和效果。
在研究方法上，可以采用文献调研、实验设计和数据分析等多种手段进行深入研究。通过阅读相关文献，了解现有的技术和方法，总结优缺点和发展趋势。在实验设计上，需要针对水下环境的特性，设计合理可行的实验方案，并对实验结果进行全面的分析和比较。在数据分析上，需要对实验结果进行定性和定量评估，以验证算法和模型的性能和效果。
3、水下图像增强和修复算法的应用
水下图像增强和修复算法在多个领域中得到了广泛的应用，如水下考古、水下机器人导航、水下环境监测等。例如，在水下考古中，通过增强和修复水下遗址的图像，可以帮助考古学家更准确地识别和评估遗址的价值和状态。在水下机器人导航中，通过增强和修复水下环境的图像，可以帮助机器人更准确地识别目标物体和地形特征，提高机器人的导航精度和稳定性。
1、深入研究水下环境的特性和退化机制，为算法和模型的设计提供更为准确的依据。

基于直方图自适应拉伸的水下图像增强算法

收稿日期：2019-09-04；修回日期：2019-11-12基金项目：国家重点研发计划资助项目（2017YFC1405202）；海洋公益性行业科研专项项目（201605002）作者简介：李庆忠（1963-），男，山东潍坊人，教授，博导，博士，主要研究方向为图像处理与模式识别、机器学习、智能信号处理；王丰凯（1995-），男（通信作者），山东德州人，硕士研究生，主要研究方向为图像处理与模式识别、机器学习（wangfengkai@stu．ouc．edu．cn ）．基于直方图自适应拉伸的水下图像增强算法*李庆忠，王丰凯（中国海洋大学工程学院，山东青岛266100）摘要：水下图像由于光的衰减和散射效应而呈现颜色失真和对比度下降问题，严重影响了水下机器人视觉的观测性能。

为解决此问题，提出了一种水下降质图像自适应增强算法。

首先对图像进行重叠分块处理；然后对每个图像子块利用基于粒子群优化算法（PSO ）自适应地确定其增强后图像的最优均值和标准差参数，并进行相应的直方图拉伸处理；最后采用双线性插值的方法将各个增强后的分块区域拼接成整幅图像。

实验结果表明，该算法不但可以提高水下图像的对比度，去除散射模糊问题；且能较好地克服水下图像的颜色失真问题。

与现有算法相比，该算法较好地保留了原始图像的信息，对图像局部区域的变化具有更好的适应性，且增强后的图像具有良好的视觉质量。

关键词：图像增强；直方图拉伸；离散熵；粒子群优化算法；颜色失真校正0引言光在水下的传播受到散射和衰减吸收两种混合的降解作用。

这些降解作用导致水下可见距离减少以及依赖于波长的颜色失真。

较短波长的颜色光（绿色和蓝色）比衰减迅速的长波长颜色光（红色）能达到更大的深度。

另外，悬浮的有机颗粒、无机物和微生物等都会造成水下成像的散射模糊问题。

因此，水下图像改善技术引起了人们的广泛关注。

其具有广泛的应用范围，在海洋生物学、考古学以及水下机器人导航等领域［13］都具有重要的应用价值。

一种水下图像增强算法的实现和仿真

一种水下图像增强算法的实现和仿真黄波;顾青【摘要】由于水下环境的特殊性和复杂性,使得水下图像的质量差、图像对比度低.文中给出了一种基于空间域的图像增强方法,该算法利用均值算法估计水下图像背景,从原水下图像衰减背景图像,再对衰减背景之后的图像进行改进的图像锐化处理.通过对算法仿真结果的分析可知,处理后的图像整体对比度明显提升,同时使得目标的边缘更加清晰.【期刊名称】《电子科技》【年(卷),期】2015(028)004【总页数】3页(P20-22)【关键词】水下图像;图像增强;锐化【作者】黄波;顾青【作者单位】昆明船舶设备试验研究中心第2研究室,云南昆明650051;昆明船舶设备试验研究中心第2研究室,云南昆明650051【正文语种】中文【中图分类】TP391.41水下光学成像技术是随着激光技术、传感器技术和光电成像技术的发展而形成的以水下摄像为基础的视觉技术。

由于水体本身的性质和微生物的存在,造成了水下成像过程中水体对光的散射和吸收效应,使得水下图像具有光照不均匀和对比度低等缺陷,影响了水下图像的后期处理,例如图像分割、特征提取以及目标识别等[1-2]。

所以,在对水下图像处理之前,多数情况下都需要对水下图像先进行预处理,即增强处理。

图像增强是指根据特定的需要突出一幅图像中的某些信息,同时削弱或者去除某些不需要的信息的处理方法,其主要目的是使处理后的图像对某种特定的应用来说,比原始图像更适用。

这类处理是为了某种应用目的而改善图像质量的。

处理结果使图像更适合人观察或机器识别系统。

应当明确的是,增强处理并不能增强原始图像的信息,其结果只能增强对某种信息的辨别能力,而同时这种处理有可能损失一些其他信息。

水下图像增强技术[3-5]可以分为空间域图像增强和频率域图像增强两大类。

空间域图像增强技术主要包括直方图修正、灰度变换增强、图像平滑以及图像锐化等。

在增强过程中可以采用单一的方法处理,但更多实际情况是采用几种方法联合处理,才能达到预期的增强效果。

基于多尺度级联网络的水下图像增强方法

基于多尺度级联网络的水下图像增强方法
米泽田;晋洁;李圆圆;丁雪妍;梁政;付先平
【期刊名称】《电子与信息学报》
【年(卷),期】2022(44)10
【摘要】针对水下图像由于光吸收、后向散射等因素导致的严重色偏、细节丢失等问题,该文提出一种基于多尺度级联网络的水下图像增强方法。

针对单一网络特征利用不全面导致的图像梯度消失问题,该方法通过级联多尺度原始图像与相应的特征图像,以获得更优异的细节保持效果,并实现从较浅层到较深层快速预测残差的能力。

此外,引入联合密集网络块和递归块,通过特征重用有效解决多尺度网络参数过多的问题。

为有效解决单一损失造成的图像细节恢复不均的问题,提出Charbonnier和结构相似度(SSIM)联合损失函数。

经仿真实验分析,所提网络在处理水下图像严重色偏、细节丢失等方面都取得了显著的效果。

【总页数】10页(P3353-3362)
【作者】米泽田;晋洁;李圆圆;丁雪妍;梁政;付先平
【作者单位】大连海事大学信息科学技术学院;鹏城实验室;安徽大学互联网学院【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.一种基于小波多尺度分析的水下图像增强方法
2.基于灰度归一化融合深度神经网络的水下图像增强方法
3.基于深度卷积神经网络的水下偏色图像增强方法
4.基于
注意力的多尺度水下图像增强网络5.基于改进条件生成对抗网络的水下图像增强方法
因版权原因，仅展示原文概要，查看原文内容请购买。

基于多尺度特征提取的水下图像增强模型

基于多尺度特征提取的水下图像增强模型
杜守庆;陈明;王俊豪
【期刊名称】《渔业现代化》
【年(卷),期】2022(49)4
【摘要】针对水下图像视觉质量退化以及单一卷积层特征利用率不高的问题,提出了一种基于多尺度特征提取的水下图像增强模型。

本模型在卷积神经网络的基础上使用改进的多尺度特征提取模块提取水下图像特征,首先构建可分离残差密集块(SRDB)作为基本特征提取单元,使用SRDB模块进行残差密集连接得到多层次特征信息,最后融合3个不同初始感受野下的多层次特征信息作为该模块的输出。

多组试验结果显示,本模型增强后的水下图像有效改善了颜色失真和低对比度现象的同时保持了丰富的边缘细节内容;EUVP测试集的PSNR、SSIM分别上升到28.52、0.88,真实河豚图像测试集的UIQM、NIQE分别上升到2.84、5.95,表现均优于对比方法。

研究表明,本模型具有较高的FPS,大幅提升水下图像视觉感知质量的同时保持了良好的实时性。

【总页数】10页(P70-79)
【作者】杜守庆;陈明;王俊豪
【作者单位】上海海洋大学信息学院;农业农村部渔业信息重点实验室
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于光照分量的多尺度水下图像增强
2.基于改进多尺度retinex的水下图像增强研究
3.基于注意力的多尺度水下图像增强网络
4.基于颜色平衡和多尺度融合的水下图像增强
5.基于多尺度级联网络的水下图像增强方法
因版权原因，仅展示原文概要，查看原文内容请购买。