基于Lab域增强、分类及对比度提升的水下图像识别方法技术

本发明专利技术涉及基于Lab域增强、分类及对比度提升的水下图像识别方法，属于图像增强及恢复技术领域。所述方法，包括：1)从固定维图像中随机选择x％比例的固定维图像，并对每一张进行色彩校正和增强，再与另1

【技术实现步骤摘要】
基于Lab域增强、分类及对比度提升的水下图像识别方法


[0001]本专利技术涉及基于Lab域增强、分类及对比度提升的水下图像识别方法，属于图像增强及恢复


技术介绍

[0002]海洋中存在着丰富的资源，水下图像作为海洋信息的重要载体，受到了越来越多的关注和重视，同时水下图像增强技术也得到了广泛应用，如水下目标检测与跟踪、水下基础设施检查和海洋生物研究等。与一般图像不同，由于光的吸收和散射效应，导致水下图像可见性差。其中，光的吸收减少了光照强度，且由于不同波长的光谱在水中的传播距离不同，造成水下图像的颜色失真；光的散射引起了光传播方向的变化，使图像产生雾状模糊。这些特性导致水下图像普遍存在模糊、偏色、对比度低等问题，极大限制了水下图像在海洋资源利用中的实际应用。因此，提升水下图像的质量具有重要意义。
[0003]近些年，水下图像增强已经有了很多的研究基础，包括先验IFM模型、基于卷积神经网络(CNN)等。有针对光的吸收和散射特性，根据水下模型对光进行补偿，用来实现对水下图像的增强和颜色校正；也有通过校正对比度和色彩来克服光在水下衰减和散射的问题，达到图像的增强，还有针对水下图像的模糊和色偏问题，暗通道先验的去雾增强等。
[0004]现有水下图像识别方法有传统方法及机器学习方法两类，深度卷积神经网络具有能够提取图像深度特征、识别速度快、识别准确率高的特点，Faster RCNN具有识别速度快、准确度高、运算功耗低以及占用内存小的特点，满足水下图像识别处理低功耗、精准识别的要求。
专利技术内容
[0005]本专利技术的目的是针对水下环境中不同光照条件下采集的图片或视频存在增强效果不佳的情况，提出了基于Lab域增强、分类及对比度提升的水下图像识别方法，将图像颜色模式调整为Lab模式，进行Lab色域的白平衡；然后，基于CLAHE进行直方图均衡得到提升照度的增强图像；最后，采用Faster RCNN模型对图像中的水下生物进行识别。
[0006]为达到上述目的，本专利技术所采用的技术方案如下：
[0007]所述水下图像识别方法，包括如下步骤：
[0008]步骤1、将采集的水下原始图像经缩放操作生成固定维图像；
[0009]步骤2、从固定维图像中随机选择x％比例的固定维图像，并对每一张进行色彩校正和增强；
[0010]其中，x取值范围为30到80；
[0011]其中，每一张固定维图像进行色彩校正和增强，具体包括如下子步骤：
[0012]步骤2.1将固定维图像对应的图像矩阵转换为HSV域的图像矩阵I；
[0013]步骤2.2、分别计算步骤2.1转换的HSV域图像矩阵的H矩阵分量的平均值H1以及S矩阵分量的平均值S1；
[0014]步骤2.3、判断H1和S1的数值范围，对HSV域图像矩阵表征的水下图像进行分类，将水下图像划分为偏蓝图像或偏绿图像跳入步骤2.4进行颜色校正或输出图像矩阵I并跳至步骤2.5，具体为：
[0015]2.3A若H1在50和180之间且S1>0.3，则将HSV域图像矩阵表征的水下图像判定为偏绿图像，将平衡参数设为A1，并跳至步骤2.4进行颜色校正；
[0016]其中，平衡参数A1的取值范围为1到3；
[0017]2.3B若H1在180和300之间且S1>0.3，则将HSV域图像矩阵表征的水下图像判定为偏蓝图像，将平衡参数设为B1，并跳至步骤2.4进行颜色校正；
[0018]其中，平衡参数B1的取值范围为3到8；
[0019]2.3C否则，若不满足3.3A及3.3B，即H1不在50和300之间或S1≤0.3，则输出当前HSV域图像矩阵对应的图像矩阵I，并跳至步骤2.5；
[0020]步骤2.4，步骤2.3输出的偏蓝或偏绿图像对应的图像矩阵转换为Lab色域进行颜色校正，得到颜色校正后的矩阵I
Lab
，具体为：
[0021]步骤2.4A将图像矩阵转换为Lab色域的图像矩阵J；
[0022]其中，图像矩阵J包括明度向量W、a通道向量a_color以及b通道向量b_color；
[0023]步骤2.4B计算a通道向量和b通道向量的均值，再基于参数A1或B1进行颜色校正，输出校正后的图像矩阵I
Lab
；
[0024]其中，颜色校正为白平衡；A1或B1为根据图像蓝绿程度进行调整的经验值；
[0025]步骤2.5：根据大气成像模型对步骤2.3输出的图像矩阵I或步骤2.4输出的矩阵I
Lab
进行暗通道先验去雾后再转换为HSV色域图像，得到图像矩阵J
HSV
；
[0026]其中，步骤2.3输出的图像矩阵I或步骤2.4输出的图像矩阵I
Lab
，统称为图像矩阵I
DCPbefore
；
[0027]步骤2.5，具体包括如下子步骤：
[0028]步骤2.5A：对图像矩阵I
DCPbefore
进行背景光BL进行估计，得到背景光BL；
[0029]其中，背景光BL的选取点为图像中红色光波与蓝色和绿色光波中最大值相差最大的点；
[0030]步骤2.5B：在得到图像矩阵I
DCPbefore
的背景光BL之后，再求得大气光及透射率,然后根据暗通道先验计算得图像矩阵J
DCP
；
[0031]步骤2.5C：将图像矩阵J
DCP
转换为HSV色域，得到图像矩阵J
HSV
，再对该矩阵的V分量取均值得V
J
；
[0032]步骤2.6：依据V
J
，判断图像矩阵J
HSV
对应的图像是否为低照度图像，明度对图像划分为3个层次，并设定3个对比度阈值，对得到直方图均衡处理之后的图像J
HSV
，再替换掉固定维图像，具体包括如下子步骤：
[0033]步骤2.6A：若图像矩阵J
HSV
的V
J
分量小于Ja，则将对比度阈值设置为Aa并基于该阈值进行对比度拉伸和直方图均衡，得到均衡后图像，再将生成的均衡后图像替换对应的x％比例中的固定维图像；
[0034]其中，Ja的取值范围为80到90之间；Aa的取值范围为4到6；
[0035]步骤2.6B：若图像矩阵J
HSV
的V
J
分量大于等于Ja且小于Jb，则将对比度阈值设置为Ab，并据此进行对比度拉伸和直方图均衡，得到均衡后图像；
[0036]其中，Jb的取值范围为105到115之间；Ab的取值范围为2到4；
[0037]步骤2.6C：若图像矩阵J
HSV
的V
J
分量大于Jb，则将对比度阈值设置为Ac，进行对比度拉伸和直方图均衡，得到均衡后图像；
[0038]其中，Ac的取值范围为0到2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于Lab域增强、分类及对比度提升的水下图像识别方法，其特征在于：包括如下步骤：步骤1、将采集的水下原始图像经缩放操作生成固定维图像；步骤2、从固定维图像中随机选择x％比例的固定维图像，并对每一张进行色彩校正和增强；其中，每一张固定维图像进行色彩校正和增强，具体包括如下子步骤：步骤2.1将固定维图像对应的图像矩阵转换为HSV域的图像矩阵I；步骤2.2、分别计算步骤2.1转换的HSV域图像矩阵的H矩阵分量的平均值H1以及S矩阵分量的平均值S1；步骤2.3、判断H1和S1的数值范围，对HSV域图像矩阵表征的水下图像进行分类，将水下图像划分为偏蓝图像或偏绿图像跳入步骤2.4进行颜色校正或输出图像矩阵并跳至步骤2.5，具体为：2.3A若H1在50和180之间且S1>0.3，则将HSV域图像矩阵表征的水下图像判定为偏绿图像，将平衡参数设为A1，并跳至步骤2.4进行颜色校正；2.3B若H1在180和300之间且S1>0.3，则将HSV域图像矩阵表征的水下图像判定为偏蓝图像，将平衡参数设为B1，并跳至步骤2.4进行颜色校正；2.3C否则，若不满足3.3A及3.3B，即H1不在50和300之间或S1≤0.3，则输出当前HSV域图像矩阵对应的图像矩阵I，并跳至步骤2.5；步骤2.4，步骤2.3输出的偏蓝或偏绿图像对应的图像矩阵转换为Lab色域进行颜色校正，得到颜色校正后的矩阵I
Lab
，具体为：步骤2.4A将图像矩阵转换为Lab色域的图像矩阵J；其中，图像矩阵J包括明度向量W、a通道向量a_color以及b通道向量b_color；步骤2.4B计算a通道向量和b通道向量的均值，再基于参数A1或B1进行颜色校正，输出校正后的图像矩阵I
Lab
；步骤2.5：根据大气成像模型对步骤2.3输出的图像矩阵I或步骤2.4输出的图像矩阵I
Lab
进行暗通道先验去雾后再转换为HSV色域图像，得到图像矩阵J
HSV
；其中，步骤2.4输出的图像矩阵I或步骤2.5输出的图像矩阵I
Lab
，统称为图像矩阵I
DCPbefore
；步骤2.5，具体包括如下子步骤：步骤2.5A：对图像矩阵I
DCPbefore
进行背景光BL进行估计，得到背景光BL；其中，背景光BL的选取点为图像中红色光波与蓝色和绿色光波中最大值相差最大的点；步骤2.5B：在得到图像矩阵I
DCPbefore
的背景光BL之后，再求得大气光及透射率,然后根据暗通道先验计算得图像矩阵J
DCP
；步骤2.5C：将图像矩阵J
DCP
转换为HSV色域，得到图像矩阵J
HSV
，再对该矩阵的V分量取均值得V
J
；步骤2.6：依据V
J
，判断图像矩阵J
HSV
对应的图像是否为低照度图像，明度对图像划分为3个层次，并设定3个对比度阈值，对得到直方图均衡处理之后的图像J
HSV
，再替换掉固定维图像，具体包括如下子步骤：
步骤2.6A：若图像矩阵J
HSV
的V
J
分量小于Ja，则将对比度阈值设置为Aa并基于该阈值进行对比度拉伸和直方图均衡，得到均衡后图像，再将生成的均衡后图像替换对应的x％比例中的固定维图像；步骤2.6B：若图像矩阵J
HSV
的V
J
分量大于等于Ja且小于Jb，则将对比度阈值设置为Ab，并据此进行对比度拉伸和直方图均衡，得到均衡后图像；步骤2.6C：若图像矩阵J
HSV
...

【专利技术属性】
技术研发人员：卢继华，张延军，刘国栋，王欢，尹鹏，许欣，尤信群，谢民，
申请(专利权)人：军工保密资格审查认证中心，
类型：发明
国别省市：