一种基于自适应的大气光融合的水下图像复原方法技术

本发明专利技术提供一种基于自适应的大气光融合的水下图像复原方法，首先确定要进行融合的三个大气光值，第一、二个大气光值通过四叉树搜索法确定，第三个大气光值取红暗通道图中所有像素里最大的0.1％像素值的均值，三个大气光值通过两个自适应的参数进行融合；其次对原始图求取饱和度；根据水下成像模型求取粗糙透射图，通过导向滤波把粗糙透射图分解为内容图和轮廓图，对轮廓图依据局部方差进行自适应的处理，将处理之后的两个图像进行重构得到了细化透射图；最后对复原图像进行自动色阶处理，获得最终的复原图像。本发明专利技术利用自适应的大气光融合和优化的透射率，不仅有效提高图像的清晰度，而且可以解决颜色失真问题，场景适应能力很强。很强。很强。

【技术实现步骤摘要】
一种基于自适应的大气光融合的水下图像复原方法


[0001]本专利技术涉及图像处理
，具体而言，尤其涉及一种基于自适应的大气光融合的水下图像复原方法。

技术介绍

[0002]地球百分之七十以上的面积是海洋，海洋世界蕴含着大量的资源，在陆地人口暴增、资源日趋枯竭、环境急剧恶化等问题下，开发和保护海洋资源变得尤为重要。水下图像是海洋信息的重要载体，然而由于受到光的吸收和散射，水下图像通常会退化，改变了物体的真实颜色，质量很难达到令人满意的效果，这就严重制约了图像在水下作业中的应用和发展。目前水下图像清晰化技术大致分为2类：水下图像增强方法和水下图像复原方法。
[0003]水下图像增强方法不考虑图像的成像机制，只关注如何通过调整图像的像素值来改善视觉质量。虽然现在有不少的增强方法可以实现对水下图像质量的改善，但是这些方法不考虑水下图像退化的物理过程，一般只是增强视觉感受，偏向于人的主观判断，丢失的细节信息不会得到修复。而水下图像复原方法考虑水下图像的成像机制并建立有效的水下图像退化模型，通过物理模型和先验知识推导复原参数，了解整个图像的退化过程使水下图像恢复到退化前的状态。
[0004]目前，大部分基于物理模型的图像复原方法都需要处理较长时间，不能应用于实际环境，鲁棒性和场景适应能力不足，对于不同类型的退化图像进行复原时不能做出自适应调整。

技术实现思路

[0005]根据上述提出的技术问题，提供一种基于自适应的大气光融合的水下图像复原方法。本专利技术利用四叉树搜索法确定候选的大气光值，对大气光值进行自适应的融合，求取饱和度，通过水下图像复原模型求取粗糙的透射图，然后对透射图进行细化，求出初步复原图，最后进行自动色阶，得到最终复原图。
[0006]本专利技术采用的技术手段如下：
[0007]一种基于自适应的大气光融合的水下图像复原方法，包括以下步骤：
[0008]步骤S01：获取原始图像，对原始图像创建水下图像复原模型；
[0009]步骤S02：利用红色暗通道先验知识求取红通道反转后的红暗通道图；
[0010]步骤S03：利用四叉树搜索法求取第一个和第二个大气光值，取红暗通道图中所有像素里最大的0.1％像素值的均值作为第三个大气光值，对三个大气光值进行融合得到全局大气光值；
[0011]步骤S04：对原始图像进行饱和度估计；
[0012]步骤S05：根据步骤S03得到的全局大气光值和步骤S04得到的饱和度，应用暗通道先验知识，求解粗糙的透射图；
[0013]步骤S06：通过导向滤波对粗糙的透射图进行分解并细化，得到细化透射图；
[0014]步骤S07：把步骤S03得到的全局大气光值和步骤S05得到的细化透射图代入到水下图像复原模型中，得到初始复原图像；
[0015]步骤S08：对初始复原图进行自动色阶，得到最终的复原图。
[0016]进一步地，步骤S01中的水下图像复原模型为：
[0017]I
c
(x)＝J
c
(x)t
c
(x)+B
c
(1
‑
t
c
(x))
[0018]其中，I
c
是原始输入的图像，J
c
是复原后的输出图像，c表示图像的R、 G、B三个颜色通道之一，t
c
(x)表示透射率，B
c
表示全局大气光值。
[0019]进一步地，步骤S02中求红色暗通道图时用到的红色暗通道先验知识的公式为：
[0020][0021]其中，x,y表示不同的像素位置，J
RED
(x)表示红色暗通道图，Ω(x)表示以x为中心的局部区域，J
R
(y)、J
G
(y)和J
B
(y)分别表示图像的红通道、绿通道和蓝通道。
[0022]进一步地，步骤S03中对三个大气光值进行融合包括以下步骤：
[0023]步骤S31：将原始图像均匀的分割为四个区域，计算每个区域的得分，在求取第一个大气光值时，将每个区域的得分定义为该区域内像素值的方差的最小值，从四个区域中选择得分最高的区域，将该区域再均匀的分割为四个区域，继续选择得分最高的区域，直到满足结束条件时停止，求取终止区域的像素的均值作为第一个大气光值B1；
[0024]其中，c为红通道、绿通道、蓝通道之一；ε
n
取值为0.2；|I
c
＞0.5|表示图像某通道中像素值大于0.5的个数；
[0025]第二个大气光值B2的求取与求取B1的过程相同，区别在于每个区域的得分定义为该区域内红通道分别与蓝、绿通道像素值之差的绝对值之和的最小值；
[0026]在计算B2的过程中，红通道分别与蓝、绿通道像素值之差的绝对值之和通过下式计算：
[0027]C2＝|I
R
(x)
‑
I
G
(x)|+|I
R
(x)
‑
I
B
(x)|
[0028]其中，I
R
、I
G
、I
B
分别表示图像的红、绿、蓝通道的像素值；
[0029]步骤S32：取红暗通道图中所有像素里最大的0.1％像素值的均值作为第三个大气光值B3；
[0030]步骤S33：通过两个自适应的参数α和β对B1、B2和B3进行融合得到全局大气光值B，计算α和β的公式如下：
[0031][0032][0033]其中，grI是原始图像的灰度图；I
r
是原始图像中红通道像素值；ε
α
＝0.3，ε
β
＝0.2；S是一个Sigmoid函数，其定义如下：
[0034]S(a,v)＝[1+e
‑
s(a
‑
v)
]‑1[0035]其中，s是一个经验常数，取值为32；对B1、B2和B3进行分通道融合的公式如下：
[0036]B＝β(αB1+(1
‑
α)B2)+(1
‑
β)B3。
[0037]进一步地，步骤S04中的饱和度估计公式如下：
[0038][0039]其中，RGB表示图像的红绿蓝三个通道，max()函数在式中表示取RGB 通道的最大值，min()函数在式中表示取RGB通道的最小值；加入饱和度分量后，红色暗通道先验知识被修正为：
[0040][0041]其中，J
RED
‑
SAT
(x)表示修正后的红色暗通道图。
[0042]进一步地，步骤S05中求解粗糙透射图的公式如下：
[0043][0044]其中，B
R
、B
G
、B
B
分别为步骤S03中求得的全局大气光值的RGB 通道分量；Sa本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自适应的大气光融合的水下图像复原方法，其特征在于，包括以下步骤：步骤S01：获取原始图像，对原始图像创建水下图像复原模型；步骤S02：利用红色暗通道先验知识求取红通道反转后的红暗通道图；步骤S03：利用四叉树搜索法求取第一个和第二个大气光值，取红暗通道图中所有像素里最大的0.1％像素值的均值作为第三个大气光值，对三个大气光值进行融合得到全局大气光值；步骤S04：对原始图像进行饱和度估计；步骤S05：根据步骤S03得到的全局大气光值和步骤S04得到的饱和度，应用暗通道先验知识，求解粗糙的透射图；步骤S06：通过导向滤波对粗糙的透射图进行分解并细化，得到细化透射图；步骤S07：把步骤S03得到的全局大气光值和步骤S05得到的细化透射图代入到水下图像复原模型中，得到初始复原图像；步骤S08：对初始复原图进行自动色阶，得到最终的复原图。2.根据权利要求1所述的基于自适应的大气光融合的水下图像复原方法，其特征在于，步骤S01中的水下图像复原模型为：I
c
(x)＝J
c
(x)t
c
(x)+B
c
(1
‑
t
c
(x))其中，I
c
是原始输入的图像，J
c
是复原后的输出图像，c表示图像的R、G、B三个颜色通道之一，t
c
(x)表示透射率，B
c
表示全局大气光值。3.根据权利要求1所述的基于自适应的大气光融合和透射率优化的水下图像复原方法，其特征在于，步骤S02中求红色暗通道图时用到的红色暗通道先验知识的公式为：其中，x,y表示不同的像素位置，J
RED
(x)表示红色暗通道图，Ω(x)表示以x为中心的局部区域，J
R
(y)、J
G
(y)和J
B
(y)分别表示图像的红通道、绿通道和蓝通道。4.根据权利要求1所述的基于自适应的大气光融合的水下图像复原方法，其特征在于，步骤S03中对三个大气光值进行融合包括以下步骤：步骤S31：将原始图像均匀的分割为四个区域，计算每个区域的得分，在求取第一个大气光值时，将每个区域的得分定义为该区域内像素值的方差的最小值，从四个区域中选择得分最高的区域，将该区域再均匀的分割为四个区域，继续选择得分最高的区域，直到满足结束条件时停止，求取终止区域的像素的均值作为第一个大气光值B1；其中，c为红通道、绿通道、蓝通道之一；ε
n
取值为0.2；|I
c
＞0.5|表示图像某通道中像素值大于0.5的个数；第二个大气光值B2的求取与求取B1的过程相同，区别在于每个区域的得分定义为该区域内红通道分别与蓝、绿通道像素值之差的绝对值之和的最小值；在计算B2的过程中，红通道分别与蓝、绿通道像素值之差的绝对值之和通过下式计算：C2＝|I
R
(x)
‑
I
G
(x)|+|I
R
(x)
‑
I
B
(x)|其中，I
R
、I
G
、I
B
分别表示图像的红、绿、蓝通道的像素值；步骤S32：取红暗通道图中所有像素里最大的0.1％像素值的均值作为第三个大气光值
B3；步骤S33：通过两个自适应的参数α和β对B1、B2和B3进行融合得到全局大气光值B，...

【专利技术属性】
技术研发人员：张维石，周景春，王燕云，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：