一种基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法技术

本发明专利技术公开了一种基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，包括以下步骤：进行全局背景光照向量估计；获取优化的透射率；消除透射率存在的块状效应；计算原始观测图像对应的去噪恢复图像；将原始彩色水下图像转换成灰度图像；对灰度图像转换成能保持图像边缘特征的灰度图像，并提取图像对应的梯度图像；将去噪恢复图像与保持边缘特征的灰度图像融合；将融合彩色图像转换颜色空间后将其亮度信息和色彩信息分离；对亮度信息进行运算，获取增强图像；将增强图像转换颜色空间。本发明专利技术中用到的4方向Sobel边缘检测器，能充分利用图像自身丰富的梯度信息实现图像增强处理，使得处理后的图像视觉质量提高、纹理信息丰富。

【技术实现步骤摘要】
一种基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法
本专利技术属于图像信息处理领域，具体涉及一种基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法。
技术介绍
水下目标探测图像往往存在非均匀亮度、低信噪比、低对比度等特殊情况，导致水下图像降质严重，常用的水下目标探测图像增强算法主要分为修改水下图像的光照和抑制图像对比度以保留图像边缘两大类，但不可避免会降低探测图像的视觉质量。传统的基于对比度增强的图像增强算法有很大的局限性，在图像对比度提高的同时，可能会忽略图像信息损失，并可能带来图像颜色失真，甚至可能会引入新的噪声，等等。由于受到水下复杂环境的光学特性以及水中各种微粒、浮游生物和水体流动的影响，直接平移和转嫁大气散射目标成像模型的研究成果进行水下探测图像增强效果仍显不足。
技术实现思路
为了解决上述问题，本专利技术提出了一种基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，包括以下步骤：步骤一：输入降质图像，根据水下目标成像模型，计算全局背景光照向量A；步骤二：将降质图像划分为若干尺寸大小相同的图像块，均衡考虑对比度增强最大与图像信息损失最小，对图像块进行透射率估计，获取以图像块为单位的优化的透射率；步骤三：应用上下文正则化算法，消除透射率存在的块状效应；步骤四：根据水下目标成像模型，计算原始图像对应的去噪恢复图像；步骤五：将第一步输入的降质图像经线性变换，转换成灰度图像；步骤六：对步骤五的灰度图像应用局部拉氏滤波器，进一步转换成能保持边缘特征的灰度图像，并应用4方向Prewitt边缘检测器提取图像对应的有丰富梯度信息的图像；步骤七：将步骤四的去噪恢复图像与保持边缘特征的灰度图像欧几里得像素融合，得到融合彩色图像；步骤八：将融合彩色图像由RGB颜色空间转换至YIQ颜色空间，将转换后的图像的亮度信息和色彩信息分离，得到转换后的图像的亮度分量；步骤九：对步骤八的转换后的图像的亮度信息进行基于梯度域自适应增益的广义有界对数乘法运算，获取基于原始图像丰富梯度信息的增强图像；步骤十：将步骤九的增强图像由YIQ颜色空间转换回RGB颜色空间，得到RGB增强图像；步骤十一：输出RGB增强图像。进一步地，步骤一中的水下目标成像模型具体为：I(p)＝t(p)J(p)+(1-(t(p))A其中，I(p)和J(p)分别为水下目标在像素点位置p处对应的原始图像和恢复图像；t(p)为介质透射率；全局背景光照向量估计A步骤：①将原始图像平均划分为与原始图像尺寸等比例的四个矩形子图像块；②计算各子图像块对应的像素均值与标准偏差对应的差值；③选择差值最大的子图像块，将其进一步细分为四个矩形子图像块；④重复步骤②③，直到子图像块的尺寸小于预先设定的阈值；⑤在选定的子图像块中，选择最小距离对应的亮度向量均值，作为全局背景光照向量估计A。进一步地，步骤二具体为：将整体图像划分为尺寸大小为32×32的小图像块，并假设在每个小图像块内图像景深为固定值，即取相同的透射率估计值t，则将水下目标成像物理模型改写为：优化的透射率t*通过最小化代价函数E获取：E＝Econtrast+ηEloss其中，其中，Econtrast为恢复图像的对比度的代价函数和Eloss为观测图像的信息量损失的代价函数；和分别为J(p)和I(p)在小图像块中的均值，NB为小图像块中的像素数量，h(i)为像素值为i是对应的直方图值，α和β分别表示像素值范围截断点取值。优化的透射率t*表示为：进一步地，步骤三中所述消除图像透射率块状效应包括消除图像边缘的图像透射率块状效应和消除图像块内的图像透射率块状效应；所述消除图像边缘的图像透射率块状效应的具体公式为：其中，p和p′分别表示相邻像素点，W(p，p′)为权重函数；所述消除图像块内的图像透射率块状效应的具体公式为：其中，σ是预先设定参数。进一步地，步骤四计算原始图像I(p)对应的去噪恢复图像J(p)的具体计算公式为：进一步地，步骤五将步骤一输入的降质图像转换成灰度图像的具体转换公式为：其中，IR为原始图像I(p)的R分量，IG为原始图像I(p)的G分量，IB为原始图像I(p)的B分量。进一步地，步骤六的具体为：边缘保持的灰度图像G表示为：其中，fLLF表示LocalLaplacianFilter滤波器，τ和v参数分别表示图像平滑因子和边缘幅值；得到有丰富梯度信息的图像的具体方法为，调节梯度域自适应增益函数λ(i，j)均值使其在合适的范围内，λ(i，j)的公式具体为：其中，(i，j)为像素点p，a和b为可调节正数变量；gn(i，j)为归一化的梯度图像，具体表示为：其中，δ1和δ2为微小的扰动量，以确保gn(i，j)∈(0，1)；其中，像素点(i，j)的梯度图像g(i，j)表示为：其中，Gk(i，j)为像素点(i，j)的4方向的梯度向量，具体为；其中，z(i，j)为像素点(i，j)的灰度值，Z(i，j)表示为：Pk(k＝1，2，3，4)为4方向上的Prewitt边缘检测器掩模定义为：P1＝(-1-1-1；000；111)P2＝(0-1-1；10-1；110)P3＝(-101；-101；-101)P4＝(-1-10；-101；011)。进一步地，步骤七将去噪恢复图像与保持边缘特征的灰度图像欧几里得像素融合得到融合彩色图像具体公式为：Qc(i，j)＝fEuclid(G，Ic(i，j))其中，Qc为融合彩色图像，fEuclid表示Euclid融合运算。进一步地，步骤八中所述将融合彩色图像Qc由RGB颜色空间线性变换至YIQ颜色空间的转换公式具体为：其中，Yn、In和Qn为YIQ空间中归一化Y、I和Q值，Rn、Gn和Bn为融合RGB图像归一化的R、G和B分量。进一步地，步骤九的广义有界乘法运算具体为：其中，步骤九得到的亮度分量Yn(i，j)，Y′n(i，j)为经过基于梯度域自适应增益的广义有界对数乘法运算后获得的基于原始图像丰富梯度信息的增强图像亮度分量。进一步地，步骤十中的将增强图像由YIQ颜色空间转换回RGB颜色空间的具体转换公式为：进一步地，步骤十和步骤十一之间还包括步骤十A，具体为：对RGB增强图像从均值、对比度、信息熵和色彩尺度等方面进行定量评价，定量评价的相关指标函数表示为：均值：其中，μR、μG和μB分别为RGB三通道颜色分量的均值；对比度：式中，P(i，j；d，θk)为灰度共生矩阵；θk为像素间角度，θk＝(k-1)×45°，k＝1，2，3，4；信息熵：色彩尺度：其中，α＝R-G，β＝(R+G)/2-B；μα、μβ和σα、σβ分别是α、β的均值和标准差根据评价结果调节步骤六中的a和b，并重复步骤六至十一，直至满足定量评价的相关指标。本专利技术所达到的有益之处在于：本专利技术的方法，可以只利用单幅非均匀亮度、低信噪比、低对比度水下目标探测图像自身的信息，在YIQ颜色空间对图像进行基于目标成像模型的去噪增强处理，再利用保持原原特征的灰度图像提取丰富的梯度信息进行自适应增益，最后从均值、对比度、信息熵和色彩尺度等综合定量评价指标评估基于目标成像模型的自适应梯度增益增强图像。本专利技术中用到的4方向Sobel边缘检测器，能充分利用图像自身丰富的梯度信息实现图像增强处理，使得处理后的图像视觉质量提高本文档来自技高网...

【技术保护点】
1.一种基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，包括以下步骤：步骤一：输入降质图像，根据水下目标成像模型，计算全局背景光照向量；步骤二：将降质图像划分为若干尺寸大小相同的图像块，均衡考虑对比度增强最大与图像信息损失最小，对图像块进行透射率估计，获取以图像块为单位的优化的透射率；步骤三：应用上下文正则化算法，消除透射率存在的块状效应；步骤四：根据水下目标成像模型，计算原始图像对应的去噪恢复图像；步骤五：将第一步输入的降质图像经线性变换，转换成灰度图像；步骤六：对步骤五的灰度图像应用局部拉氏滤波器，进一步转换成能保持边缘特征的灰度图像，并应用4方向Prewitt边缘检测器提取图像对应的有丰富梯度信息的图像；步骤七：将步骤四的去噪恢复图像与保持边缘特征的灰度图像欧几里得像素融合，得到融合彩色图像；步骤八：将融合彩色图像由RGB颜色空间转换至YIQ颜色空间，将转换后的图像的亮度信息和色彩信息分离，得到转换后的图像的亮度分量；步骤九：对步骤八的转换后的图像的亮度信息进行基于梯度域自适应增益的广义有界对数乘法运算，获取基于原始图像丰富梯度信息的增强图像；步骤十：将步骤九的增强图像由YIQ颜色空间转换回RGB颜色空间，得到RGB增强图像；步骤十一：输出RGB增强图像。...

【技术特征摘要】
1.一种基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，包括以下步骤：步骤一：输入降质图像，根据水下目标成像模型，计算全局背景光照向量；步骤二：将降质图像划分为若干尺寸大小相同的图像块，均衡考虑对比度增强最大与图像信息损失最小，对图像块进行透射率估计，获取以图像块为单位的优化的透射率；步骤三：应用上下文正则化算法，消除透射率存在的块状效应；步骤四：根据水下目标成像模型，计算原始图像对应的去噪恢复图像；步骤五：将第一步输入的降质图像经线性变换，转换成灰度图像；步骤六：对步骤五的灰度图像应用局部拉氏滤波器，进一步转换成能保持边缘特征的灰度图像，并应用4方向Prewitt边缘检测器提取图像对应的有丰富梯度信息的图像；步骤七：将步骤四的去噪恢复图像与保持边缘特征的灰度图像欧几里得像素融合，得到融合彩色图像；步骤八：将融合彩色图像由RGB颜色空间转换至YIQ颜色空间，将转换后的图像的亮度信息和色彩信息分离，得到转换后的图像的亮度分量；步骤九：对步骤八的转换后的图像的亮度信息进行基于梯度域自适应增益的广义有界对数乘法运算，获取基于原始图像丰富梯度信息的增强图像；步骤十：将步骤九的增强图像由YIQ颜色空间转换回RGB颜色空间，得到RGB增强图像；步骤十一：输出RGB增强图像。2.根据权利要求1所述的基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，步骤一中的水下目标成像模型具体为：I(p)＝t(p)J(p)+(1-(t(p))A其中，I(p)和J(p)分别为水下目标在像素点位置p处对应的原始图像和恢复图像；t(p)为介质透射率；全局背景光照向量估计A步骤：①将原始图像平均划分为与原始图像尺寸等比例的四个矩形子图像块；②计算各子图像块对应的像素均值与标准偏差对应的差值；③选择差值最大的子图像块，将其进一步细分为四个矩形子图像块；④重复步骤②③，直到子图像块的尺寸小于预先设定的阈值；⑤在选定的子图像块中，选择最小距离对应的亮度向量均值，作为全局背景光照向量估计A，为。3.根据权利要求2所述的基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，步骤二具体为：将整体图像划分为尺寸大小为32×32的小图像块，并假设在每个小图像块内图像景深为固定值，即取相同的透射率估计值t，则将水下目标成像物理模型改写为：优化的透射率t*通过最小化代价函数E获取：E＝Econtrast+ηEloss其中，其中，Econtrast为恢复图像的对比度的代价函数和Eloss为观测图像的信息量损失的代价函数；和分别为J(p)和I(p)在小图像块中的均值，NB为小图像块中的像素数量，h(i)为像素值为i是对应的直方图值，α和β分别表示像素值范围截断点取值。优化的透射率t*表示为：4.根据权利要求3所述的基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，步骤三中所述消除图像透射率块状效应包括消除图像边缘的图像透射率块状效应和消除图像块内的图像透射率块状效应；所述消除图像边缘的图像透射率块状效应的具体公式为：其中，p和p′分别表示相邻像素点，W(p,p′)为权重函数；所述消除图像块内的图像透射率块状效应的具体公式为：其中，σ是预先设定参数。5.根据权利要求4所述的基于YIQ空间光学成像模型的梯度域自适应增益水下图像...

【专利技术属性】
技术研发人员：马金祥，范新南，史朋飞，胡圣尧，徐维，张美凤，鲍玉军，
申请(专利权)人：常州工学院，
类型：发明
国别省市：江苏,32