基于潜在低秩表示和图像融合的水下图像颜色增强方法技术

本发明专利技术属于水下图像处理技术领域，公开了一种基于潜在低秩表示和图像融合的水下图像颜色增强方法，具体涉及一种能够对水下图像进行颜色校正、去雾、细节增强等处理的方法，包括以下步骤：1)采用带有颜色补偿的色彩平衡方法消除由照明或不同颜色光线在水中的衰减特性所引起的成像结果中的色偏，以恢复图像的自然色彩；2)利用雾中成像与水下光传播的相似性的特点对图像进行去雾操作，使图像更符合人眼的感知习惯；3)采用潜在低秩表示对图像进行分解，最大限度保留图像中的细节信息，增强场景的边缘和细节；4)通过图像融合的方法得到增强图像。本发明专利技术可使得水下图像质量显著提升，为图像特征提取、目标识别、跟踪等研究奠定基础。

【技术实现步骤摘要】
基于潜在低秩表示和图像融合的水下图像颜色增强方法
本专利技术属于水下图像处理
，尤其涉及一种基于潜在低秩表示和图像融合的水下图像颜色增强方法。
技术介绍
近年来，随着陆地资源的匮乏，人们开始把目光投向海洋资源，水下图像处理逐渐成为了相关领域的研究重点。水下图像是海洋信息的重要载体，但是复杂的水下环境及恶劣的光照条件使得获得的水下图像出现严重的退化；由于水体的散射和吸收等因素导致水下图像出现对比度低、噪声大、纹理模糊、雾化效应严重、呈现蓝绿色调及颜色失真等问题，对后续水下图像的特征处理和目标识别、跟踪等有着严重的影响。因此，为了改善水下图像的图像质量，便于后续图像特征提取、目标识别和跟踪等技术的研究，对原始图像的增强处理变得尤为重要。目前，常见的水下图像颜色增强算法有直方图均衡算法、双直方图均衡算法和灰度世界算法等。这些水下图像颜色校正算法，通常都是针对色偏这个具体问题而提出，能够一定程度地解决色偏问题，而对于水下图像存在的色偏严重、边缘、细节模糊等问题无法恢复，甚至会造成图像的细节信息丢失，进而得到的水下图像的实用性差、影响后续研究结果的准确性。因此，为保证水下图像特征提取、目标识别、跟踪等研究的顺利推进，一种既能够有效校正水下图像颜色失真问题，又能够保留甚至还原图像中边缘和细节等信息的图像颜色增强算法亟待提出。图像融合是将两幅或多幅同一区域的图像中的信息提取出来，再通过一些方法将其融合到一幅图像中去。由于图像融合被融合的图像所包括的数据信息不仅仅可以是R、G、B三种颜色通道的信息，也可以是明暗、色彩、温度、距离等等，有效克服了传统算法的缺陷，因此，被广泛运用到图像处理研究中来。目前，图像融合领域较为常用的方法就是基于多尺度变换的方法，例如离散小波变换(DWT)，轮廓波变换，四元数小波变换等等，这些方法将图像分解，再如一定的融合规则进行融合，取得了较好的效果；然而直接将多尺度的变换方法用于水下图像图像融合效果并不理想，因为这些常用的变换通常没有保留足够细节的能力；XUF等提出了一种基于小波变换的图像融合方法，对低频和高频分量分别进行对比度增强和边缘增强，该方法能有效提高融合图像的对比度，但一些图像背景的细节信息会产生失真；LOUS等提出了一种基于上下文统计相似性和非亚采样剪切变换的融合方法，可以从源图像中获取局部结构信息，能有效地提取图像细节，但图像整体对比度不足；LI等对低频和高频子带图像分别采用基于显著图和区域对比度的融合规则，该方法有效地保留了源图像的信息，细节信息明显，却在一定程度上改变了源图像的结构信息；近年来，基于表征学习的图像融合方法也越来越引起人们的关注，而其中最具有代表的就是稀疏表示(SR)。例如Zong等提出的一种基于SR的医学图像融合方法。该方法利用方向梯度直方图(HOG)特征对图像块进行分类并学习多个子词典，然后，使用l1范数和选择最大策略重构图像。除此之外还有许多基于SR和其他工具的组合方法，例如脉冲耦合神经网络(PCNN)等，尽管基于SR的融合方法获得了良好的效果，但是这些方法不可避免地存在一些缺点，例如获取全局结构的能力受到限制。为此，使用另外一种新的方法，即潜在的低秩表示(LatLRR)。与低秩表示(LRR)不同，潜在的低秩表示(LatLRR)可以从源图像中提取全局结构信息和局部结构信息，能够保留更多的细节信息，应用于水下图像能够得到更好的融合效果。
技术实现思路
针对现有水下图像颜色校正算法存在的问题，本专利技术提供了一种基于潜在低秩表示和图像融合的水下图像颜色增强方法。图像的色彩平衡可以有效地校正由于水体对于不同颜色光线的吸收程度不同而引起的色偏；潜在低秩表示与图像融合能够最大限度地提取图像中的细节信息，减少图像细节的丢失，两种算法互补结合，有效地提高图像增强效率和质量。本专利技术所采用的技术方案如以下步骤进行：步骤A：图像色彩平衡与校正获取输入图像，输入图像I(w,h,3)是一个大小为w×h×3的三维矩阵，w表示宽，h表示高，3表示图像的通道数，通常为图像的RGB三个通道，其中每个通道提取出大小为w×h的二维矩阵，表示源图像中每个通道中所蕴含的空间信息，图像的任意通道信息用IΩ(x,y)来表示，其中Ω表示通道；步骤A1：对输入图像进行初步的色彩平衡处理，消除因为光照或是不同颜色光线在水中的衰减特性而导致的图像色偏，突出图像边缘的过渡部分，以表现出更多的图片边缘信息：步骤A10：考虑到水体对光的吸收具有明显的选择性，红色波长较长，光的吸收衰减系数比较大，采用红色通道补偿的方法，来校正水下图像呈现的短波长蓝绿色调；对源图像进行红色通道色彩补偿，色彩补偿方法为：其中，x代表像素位置，IR,IG表示源图像的红色通道和绿色通道，表示IR，IG的均值，α为常数；步骤A11：采用灰度世界假设对补偿后的图像进一步白色平衡处理，从平均RGB值估计颜色投射，然后计算这些平均值的平均值，从而得到一个灰度值，所有的通道都与之进行比较，从而得到白色平衡的图像；白平衡处理中，为了标准化图像，像素的缩放因子s为：其中，arg为图像的亮度估计，以三个通道的均值作为图像的光照估计；argi为各颜色通道的均值；进而得到完全相同的两幅图像，分别记为IA(x,y,3)和IB(x,y,3)；步骤A2：对图像IA(x,y,3)的3个通道分别进行拉普拉斯锐化处理，突出图像边缘的过渡部分，以表现出更多的图片边缘信息，计算方法为：IAiL(x,y)＝(1+4α)IAi(x,y)-α[IAi(x+1,y)+IAi(x-1,y)+IAi(x,y+1)+IAi(x,y-1)]其中i表示R、G、B三个通道；α表示锐化强度系数，取大于零的整数，且图像锐化程度与α正相关，得到图像IA(x,y,3)锐化后的图像，记为IAL(x,y,3)；步骤A3：利用雾中成像与水下光传播的相似性的特点对图像进行去雾操作校正图像：把本来线性分布的颜色值校正为非线性分布的值，提高暗色的精度，使图像符合人眼的感知习惯；步骤A30：如大气中处理雾天成像所采用的去雾算法，采用去雾算法中常用的暗通道先验的方式对水下图像IB(x,y,3)的每个像素信息L(x)进行处理，则处理后的像素信息E(x)计算方式为：L(x)＝E(x)t(x)+B∞(x)[1-t(x)]其中t(x)表示水下透射率，大气中t(x)＝e-β·d(x)，β表示大气对光的散射系数，水中t(x)＝e-η·d(x)，η表示水体对光的衰减系数，B∞(x)表示光强，暗通道先验公式为：其中Ω是以某一像素点为中心的局部区域，J(λ)则表示R，G，B三通道中的一个；步骤A31：对于R、G、B三个通道，先分别作最小化运算得到：其中λ代表R、G、B，经过化简可得：然后再对三个通道作最小化，得：步骤A32：依据暗通道先验得公式计算水下折射率t(λ)：步骤A33:借助IB(x,y,3)的本文档来自技高网...

【技术保护点】
1.一种基于潜在低秩表示和图像融合的水下图像颜色增强方法，其特征在于，所述基于潜在低秩表示和图像融合的水下图像颜色增强方法包括：/n通过消除因为各种照明或是在水中对于不同颜色光线的衰减特性而导致的不希望出现在成像结果中的色偏来恢复图像颜色；突出图像边缘的过渡部分，以表现出更多的图片边缘信息；/n利用雾中成像与水下光传播的相似性的特点对图像进行去雾操作校正图像；把本来线性分布的颜色值校正为非线性分布的值，提高暗色的精度，使图像符合人眼的感知习惯；/n增强场景的边缘和细节，减轻由于反向散射而导致的对比度损失，最大限度提取图像中的细节信息，提高融合图像信息的使用率；/n经过处理，得到经过颜色校正的水下图像。/n

【技术特征摘要】
1.一种基于潜在低秩表示和图像融合的水下图像颜色增强方法，其特征在于，所述基于潜在低秩表示和图像融合的水下图像颜色增强方法包括：
通过消除因为各种照明或是在水中对于不同颜色光线的衰减特性而导致的不希望出现在成像结果中的色偏来恢复图像颜色；突出图像边缘的过渡部分，以表现出更多的图片边缘信息；
利用雾中成像与水下光传播的相似性的特点对图像进行去雾操作校正图像；把本来线性分布的颜色值校正为非线性分布的值，提高暗色的精度，使图像符合人眼的感知习惯；
增强场景的边缘和细节，减轻由于反向散射而导致的对比度损失，最大限度提取图像中的细节信息，提高融合图像信息的使用率；
经过处理，得到经过颜色校正的水下图像。


2.如权利要求1所述的基于潜在低秩表示和图像融合的水下图像颜色增强方法，其特征在于，如以下步骤进行：
步骤一：获取输入图像，输入图像I(w,h,3)是一个大小为w×h×3的三维矩阵，w表示宽，h表示高，3表示图像的通道数，通常为图像的RGB三个通道，其中每个通道提取出大小为w×h的二维矩阵，表示源图像中每个通道中所蕴含的空间信息，图像的任意通道信息用IΩ(x,y)来表示，其中Ω表示通道；
步骤二：取源图像进行色彩平衡，具体涉及一种带有红色通道补偿的的白平衡方法，有效地去除不真实的色彩，以感知水下图像中物体的真实色彩；
色彩平衡后得到完全相同的两幅图像，分别记为IA(x,y,3)和IB(x,y,3)；
步骤三：对图像IA(x,y,3)的3个通道分别进行拉普拉斯锐化处理，突出图像边缘的过渡部分，以表现出更多的图片边缘信息，计算方法为：
IAiL(x,y)＝(1+4α)IAi(x,y)-α[IAi(x+1,y)+IAi(x-1,y)+IAi(x,y+1)+IAi(x,y-1)]；
其中i表示R、G、B三个通道；α表示锐化强度系数，取大于零的整数，且图像锐化程度与α正相关，得到图像IA(x,y,3)锐化后的图像，记为IAL(x,y,3)；
步骤四：如大气中处理雾天成像所采用的去雾算法，采用去雾算法中暗通道先验的方法对图像IB(x,y,3)的每个像素信息L(x)进行处理，则处理后的像素信息E(x)计算方式为：
L(x)＝E(x)t(x)+B∞(x)[1-t(x)]；
其中t(x)表示水下透射率，B∞(x)表示光强，暗通道先验公式为：



其中Ω是以某一像素点为中心的局部区域，J(λ)则表示R，G，B三通道中的一个；
步骤五：对于R、G、B三个通道，先分别作最小化运算得到：



其中λ代表R、G、B，经过化简可得：



然后再对三个通道作最小化，得：



步骤六：依据暗通道先验得公式计算水下折射率t(λ)：



步骤七：借助IB(x,y,3)的暗通道图，求得其亮度大小的前0.1％最亮的像素，进而在IB(x,y,3)中寻找对应的具有最高亮度的点的平均值，作为B∞(x)值；
步骤八：如步骤四到步骤七的方法，可以计算出去雾以后的图像信息E(λ)：



其中，t0是为了防止t近似于0而导致图像噪声放大，并将经过暗通道先验算法的图像IB(x,y,3)记为IBQ(x,y,3)；
步骤八：对图像IBQ(x,y,3)进行gamma校正，Gamma校正的公式为：
f(I)＝Iγ；
其中，当γ＜1时，在低灰度值区域内，图像动态范围变大，进而图像的对比度增强；而在高灰度值区域内，情况正好与之相对，同时，图像的整体灰度值变大；当γ＞1时，正好与γ＜1情况相反，此种情况让图像暗部更加难以被看清；将校正后图像记为IBQ'(x,y,3)；
步骤九：采用潜在低秩表示LatLRR方法分别从待融合图像IAL(x,y,3)和IBQ'(x,y,3)中分解出各自每一通道的低阶部分和显著部分X1s、X2s，并采用加权平均、求和策略分别将两幅图像的三个通道图像对应低阶、显著部分进行融合，然后通道拼接得到最终的融合图像。


3.如权利要求2所述的基于潜在低秩表示和图像融合的水下图像颜色增强方法，其特征在...

【专利技术属性】
技术研发人员：荣生辉，赵文凤，何波，李腾跃，曹雪婷，刘永彬，沈鉞，年睿，冯晨，严天宏，李光亮，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：山东;37