基于多尺度细节增强的低光照水下图像增强方法技术

本发明专利技术涉及水下图像处理技术领域，为提出低光照条件下的水下图像增强算法。为此，本发明专利技术采取的技术方案是，基于多尺度细节增强的低光照水下图像增强方法，步骤如下：首先通过对灰度世界算法的颜色校正系数改进对图像去除色偏，使图像有很好的视觉效果；引入的多尺度细节增强算法增强图像的细节信息，最后对颜色校正和对比度增强的两幅图像进行小波融合，进一步对图像降噪和增强。本发明专利技术主要应用于水下图像处理场合。图像处理场合。图像处理场合。

【技术实现步骤摘要】
基于多尺度细节增强的低光照水下图像增强方法


[0001]本专利技术属于图像处理
，涉及一种基于多尺度细节增强的低光照水下图像增强方 法。

技术介绍

[0002]高质量的水下图像是完成水下计算机视觉任务的基础。然而由于水下环境能见度低，尤 其在夜间或光照较暗的低光照条件下，获取到的水下图像往往存在色偏、对比度低、细节模 糊等问题，给后续的研究和实际应用带来了很大的困难。因此，低光照条件下的水下图像增 强算法的研究具有重要的价值和现实意义。
[0003]低光照条件下的水下图像往往存在对比度低且细节模糊的问题，为解决该问题，提出一 种综合的水下图像增强算法。该算法通过对灰度世界算法的颜色校正系数改进来去除水下图 像色偏，从而得到颜色校正的图像；另外采用Retinex算法和多尺度细节增强算法对水下图像 进行处理得到对比度增强的图像；最后把颜色校正和对比度增强后的两幅图像进行小波融合 得到最后的增强图像。在对两幅图像进行融合时，对低频分量采用加权平均的融合规则，对 高频分量采用基于区域特性量测的融合规则，进一步增强了图像的视觉效果。实验结果表明， 本文算法处理得到的图像有更多的细节信息，而且有更好的视觉效果。

技术实现思路

[0004]为克服现有技术的不足，本专利技术旨在提出低光照条件下的水下图像增强算法。为此，本 专利技术采取的技术方案是，基于多尺度细节增强的低光照水下图像增强方法，步骤如下：首先 通过对灰度世界算法的颜色校正系数改进对图像去除色偏，使图像有很好的视觉效果；引入 的多尺度细节增强算法增强图像的细节信息，最后对颜色校正和对比度增强的两幅图像进行 小波融合，进一步对图像降噪和增强。
[0005]颜色校正具体步骤如下：
[0006]采用灰度世界法基于灰度变换去除色偏，每个颜色通道的变换公式如下：
[0007][0008]其中是每个颜色通道的平均像素值，是绿色通道的平均像素值，I
c
是每个颜色 通道灰度变换前的像素值，是每个通道灰度变换后的像素值。
[0009]对比度增强具体步骤如下：
[0010]采用传统的Retinex算法去除图像的光照影响，图像分解为反射分量和照度分量，如式(3) 所示：
[0011][0012]其中，是卷积符号，I2(x,y)是亮度增强后的图像，R(x,y)是反射分量，代表物体
的 反射属性，是频域中的高频成分，L(x,y)是照度分量，具有空间平滑性，表现为低频成分；
[0013]通过近似估计得到照度分量L(x,y)，具体通过高斯卷积的方法解决，如式(4)所示：
[0014][0015]其中G0(x,y)是高斯函数，采用高斯滤波估计出图像的照度分量；
[0016]将(4)式代入(3)式，并进行对数变换：
[0017][0018]对log2(R(x,y))进行指数运算即可得到反射分量R(x,y)，即亮度增强后的图像；
[0019]然后采用CLAHE算法对图像进行对比度增强，该算法首先将图像分割成大小相同的块， 对每块统计得到的直方图进行裁剪，裁剪掉的像素均匀分配到每个像素级，得到对比度受限 的直方图，最后根据对比度受限直方图对原图进行双线性插值得到对比度增强图像；
[0020]小波融合具体步骤如下：
[0021]采用小波融合]方法对两幅图像进行处理，具体采用融合规则，对两幅图像的信息进行互 补合成得到一幅比原图像有更好的视觉效果的新图像，首先对两幅图像分别进行二层的小波 分解，分解得到的低频分量和高频分量分别采用不同的融合规则进行融合。低频分量在融合 时，为了更好地去除噪声和保留图像亮度信息，采用加权平均的融合规则，如式(14)所示：
[0022]A＝a1×
A1+a2×
A2，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0023]其中A1、A2分别表示两幅待融合的图像小波分解后的低频分量，因为采用的是加权平均 的融合规则，因此融合系数a1＝a2＝0.5，A是融合后的低频分量；
[0024]高频分量采用基于区域特性量测的融合规则，分别通过滤波函数与高频分量卷积，得到 两幅图像相应分解层上对应局部区域的能量：
[0025][0026][0027]其中H1、H2分别表示两幅待融合的图像小波分解后的高频分量，ω是滤波函数， [0028]计算两幅图像对应局部区域的匹配度：
[0029][0030]匹配度用于衡量两幅图像在该区域上的能量差，M＜0.7，说明两图像在该区域上的能量 相差较大，能量较大表明该区域有更多的细节信息，因此选择能量大的区域的像素作为融合 图像的像素值，则融合后的高频分量为：
[0031][0032]如果M≥0.7，说明两图像在该区域上能量相差不大，此时采用加权的方法进行融合，融 合后的高频分量为：
[0033][0034]其中α、β表示融合权重，将融合后的的两幅图像进行小波重 构，得到最后增强的图像。
[0035]在Retinex算法和CLAHE算法增强了图像的全局对比度后，再采用多尺度细节增强算法 来增强图像细节，具体采用若干个尺度的高斯函数对图像进行模糊处理，再跟原图像相减， 得到不同程度的边缘信息，将其加权融合到原图像中，使图像有更强的边缘细节。
[0036]具体采用三个高斯函数，首先将高斯函数与对比度增强的图像R(x,y)进行卷积操作：
[0037][0038][0039][0040]其中B1、B2、B3是三个不同程度的模糊图像，G1、G2、G3是三个不同尺度的高斯函数， 该二维的高斯函数表达式如下：
[0041][0042]其中(x,y)是像素点坐标，δ是标准差，G1、G2、G3这三个不同尺度的高斯函数的δ分 别为1、2、4；然后将B1、B2、B3分别和对比度增强的图像R(x,y)相减：
[0043]D1(x,y)＝R(x,y)
‑
B1(x,y)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0044]D2(x,y)＝B1(x,y)
‑
B2(x,y)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0045]D3(x,y)＝B2(x,y)
‑
B3(x,y)，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0046]其中D1、D2、D3是不同程度的边缘信息；
[0047]最后将这些边缘信息通过不同的融合权重融合到原图中：
[0048]D(x,y)＝(1
‑
b1×
sgn(D1(x,y)))
×
D1(x,y)+b2×
D2(x,y)+b3×
D3(x,y)+R(x,y)，
ꢀꢀꢀ
(13)
[0049]式(13)中，b1、b2、b3是融合权重，用于调节图像细节信息融合的程度，此处b1、b2取 本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多尺度细节增强的低光照水下图像增强方法，其特征是，步骤如下：首先通过对灰度世界算法的颜色校正系数改进对图像去除色偏，使图像有很好的视觉效果；引入的多尺度细节增强算法增强图像的细节信息，最后对颜色校正和对比度增强的两幅图像进行小波融合，进一步对图像降噪和增强。2.如权利要求1所述的基于多尺度细节增强的低光照水下图像增强方法，其特征是，颜色校正具体步骤如下：采用灰度世界法基于灰度变换去除色偏，每个颜色通道的变换公式如下：其中是每个颜色通道的平均像素值，是绿色通道的平均像素值，I
c
是每个颜色通道灰度变换前的像素值，是每个通道灰度变换后的像素值。对比度增强具体步骤如下：采用Retinex算法去除图像的光照影响，图像分解为反射分量和照度分量，如式(3)所示：其中，是卷积符号，I2(x,y)是亮度增强后的图像，R(x,y)是反射分量，代表物体的反射属性，是频域中的高频成分，L(x,y)是照度分量，具有空间平滑性，表现为低频成分；通过近似估计得到照度分量L(x,y)，具体通过高斯卷积的方法解决，如式(4)所示：其中G0(x,y)是高斯函数，采用高斯滤波估计出图像的照度分量；将(4)式代入(3)式，并进行对数变换：对log2(R(x,y))进行指数运算即可得到反射分量R(x,y)，即亮度增强后的图像；然后采用CLAHE算法对图像进行对比度增强，该算法首先将图像分割成大小相同的块，对每块统计得到的直方图进行裁剪，裁剪掉的像素均匀分配到每个像素级，得到对比度受限的直方图，最后根据对比度受限直方图对原图进行双线性插值得到对比度增强图像。3.如权利要求1所述的基于多尺度细节增强的低光照水下图像增强方法，其特征是，小波融合具体步骤如下：采用小波融合方法对两幅图像进行处理，具体采用融合规则，对两幅图像的信息进行互补合成得到一幅比原图像有更好的视觉效果的新图像，首先对两幅图像分别进行二层的小波分解，分解得到的低频分量和高频分量分别采用不同的融合规则进行融合。低频分量在融合时，为了更好地去除噪声和保留图像亮度信息，采用加权平均的融合规则，如式(14)所示：A＝a1×
A1+a2×
A2，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)其中A1、A2分别表示两幅待融合的图像小波分解后的低频分量，因为采用的是加权平均的融合规则，因此融合系数a1＝a2＝0.5，A是融合后的低频分量；
高频分量采用基于区域特性量测的融合规则，分别通过滤波函数与高频分量卷积，得到两幅图像相应分解层上对应局部区域的能量：到两幅图像相应分解层上对应局部区域的能量：其中H1、H2分别表示两幅待融合的图像小波分解后的高频分量，ω是滤波函数，计算两幅图像对应局部区域的匹配度：匹配度用于衡量两幅图像在该区域上的能量差，M＜0.7，说明两图像在该区域上的能量相差较大，能量较大表明该区域有更多的细节信息，因此选择能量大的区域的像素作为融合图像的像素值，则融合后的高频分量为...

【专利技术属性】
技术研发人员：郭继昌，张薇，
申请(专利权)人：天津大学，
类型：发明
国别省市：