基于结构‑纹理分层的水下图像增强方法技术
【技术实现步骤摘要】
基于结构-纹理分层的水下图像增强方法
本专利技术属于计算机视觉领域，涉及基于结构-纹理分层的水下图像增强方法。具体而言，通过分层处理将图像分为高频纹理层和低频结构层，不仅避免了在增强过程中将噪声放大问题，而且很好的保留了细节和边缘，改善了对比度和色调自然性，即基于结构-纹理分层的水下图像增强方法。
技术介绍
清晰、可见度高的水下图像分析和识别对水下勘测、水下视频、军事等方面的研究具有非常重要的意义。但是，在复杂的水下成像环境中，由于在传输过程中的大悬浮粒子(像水中的浑浊粒子)吸收和散射的影响，严重降低了图像质量。因此，典型的水下图像存在着如下问题：1)汇聚光照明，形成背景灰度分布不均匀；2)吸收、散射效应使得水下图像存在非均匀亮度和细节模糊问题；3)照明条件不良，引起色调衰减、对比度降低问题；由于拍到的水下图像质量普遍较差，所以对水下图像进行目标识别前要进行预处理。目前存在的水下图像增强方法主要有以下几个发展阶段：第一阶段：用传统的图像增强方法对水下图像处理，如：灰度变化、直方图均衡化、图像空域平滑和锐化处理、伪彩色处理等。但是由于水下成像特性的独特性，这些传统的...
【技术保护点】
一种基于结构‑纹理分层的水下图像增强方法，其特征是，首先，通过直方图均衡化进行色彩校正，然后这个色彩纠正后的图被分解为低频结构层和高频纹理层。将噪声残留到纹理层，然后基于已经提出的雾线模型，从没有噪声的结构层精确地估计出的透射率，进而进行增强处理，再用梯度残留最小化方法增强纹理层，之后，通过适当的尺度伸缩，将增强后的结构层、纹理层和精细化的边缘掩膜重构成最终的增强图，从而解决已有技术无法处理的问题。
【技术特征摘要】
1.一种基于结构-纹理分层的水下图像增强方法，其特征是，首先，通过直方图均衡化进行色彩校正，然后这个色彩纠正后的图被分解为低频结构层和高频纹理层。将噪声残留到纹理层，然后基于已经提出的雾线模型，从没有噪声的结构层精确地估计出的透射率，进而进行增强处理，再用梯度残留最小化方法增强纹理层，之后，通过适当的尺度伸缩，将增强后的结构层、纹理层和精细化的边缘掩膜重构成最终的增强图，从而解决已有技术无法处理的问题。2.如权利要求1所述的基于结构-纹理分层的水下图像增强方法，其特征是，具体步骤细化如下：1)对捕获到的图像进行色彩校正：首先，结合水下图像色彩分布直方图特点，将每个色彩通道的平均色彩分布移动到所期望的范围，然后进行线性归一化处理，即用简单的直方图均衡化来解决色彩偏移问题，具体地，对于每个图像每个色彩通道的像素值按照以下方法计算边界的下限和上限其中c∈{R,G,B}，μc和σc分别为每个色彩通道的平均值和标准方差，λ是一个色调参数，有效地调节了分布范围，然后用截断函数chip()将图像的像素值范围截断到[0，255]，进而得到色彩校正的图像：Ic(x)是色彩校正后图像的每个通道的像素值；2)构建分层模型：用去雾模型来定义水下图像：Ic(x)＝Jc(x)t(x)+Ac(1-t(x))+E(x),(4)其中,x是像素值，Jc(x)是恢复后的图像，Ac是全局的背景光，t(x)是水中的投射率，定义E(x)为输入图像中的噪声，图像增强的目的是从捕获到的水下图像Ic(x)恢复出Jc(x)，这个过程涉及到透射率和背景光的估计；3)结构-纹理分层实现：采用TV-L1分离结构层和纹理层：其中，是通过1范数正规化结构层的梯度，ξ是控制光滑程度的权重参数，通过TV-L1将结构层Is求解出来，TV-L1是将全变分作为正则项进行图像分解的最优化方法，纹理层通过It＝I-Is算出；4)结构层增强：采用全局背景光散射估计方法对A进行估计：其中，是达到结构层的暗通道中最大值位置，即Ω(y)是y的一个领域；根据暗通道先验理论，首先假设在每一个窗口内的透射率为常数，定义它为t0，A值已经由公式(9)计算出，所以对公式(6)两边求两次最小值运算，移项整理后，得到透射率t(x)的预估值：其中，ω是修正因子；5)纹理层去噪：通过以上的TV-L1分解，捕获图中的噪声残留在高频的纹理层。用梯度残留最小化方法来增强纹理层，这个纹理层的增强通过优化公式(15)的得到：其中，δ和η是控制权重参数，控制着处理结果的光滑程度和精细程度，η太大或δ太小，会使得增强图像的大部分纹理随着去噪处理而丢失，所以，合适选取δ和η的值对实验结果影响很大，令Z＝J-I，则以上优化问题变成两个子问题，如下公式：
【专利技术属性】
技术研发人员：杨敬钰，王新燕，岳焕景，付晓梅，侯春萍，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。