基于复杂水下成像模型的水下图像颜色校正方法技术

本发明专利技术提供一种基于复杂水下成像模型的水下图像颜色校正方法。本发明专利技术方法，包含以下五个过程：深度图估计、去除后向散射、亮度图估计、带宽衰减系数估计以及图像复原；首先，对采集的水下退化图像进行深度图估计；其次，使用深度图和原始水下图像估计后向散射；然后，对去除后向散射的图像估计亮度图；接着，使用亮度图和深度图估计带宽衰减系数；最后，结合复杂水下成像模型复原水下图像。该发明专利技术方法能够有效实现水下图像颜色校正和对比度增强，提升图像视觉效果，可以应用于图像预处理。可以应用于图像预处理。可以应用于图像预处理。

【技术实现步骤摘要】
基于复杂水下成像模型的水下图像颜色校正方法


[0001]本专利技术涉及图像处理
，具体涉及一种基于复杂水下成像模型的水下图像颜色校正方法。

技术介绍

[0002]水下图像在海洋环境保护、海洋工程开发、海洋考古等方面均有重要作用，为水下机器人完成管道检测和深海探测等主要任务提供了视觉依据。然而，与陆地成像不同，水下成像会受到光照、气候、季节和水中悬浮物的影响，导致水下图像出现蓝绿偏色和对比度下降等问题。这些问题极大地降低水下图像的质量，影响水下图像在高级视觉任务上的应用。
[0003]图像复原是恢复降质图像的重要手段。复原方法通常会对成像环境进行建模，并根据所得的物理模型和估计的参数反演退化过程，从而对图像进行复原。随着水下光学成像系统的发展，水下图像复原方法已经成为水下图像清晰化方法的重要分支。过去的水下图像复原方法通常基于简单水下成像模型，通过估计透射率和背景光来复原水下图像。但是，简单水下成像模型是由雾天成像模型改进而来，并未考虑水对光的选择性吸收带来的影响。基于该模型的方法不具有鲁棒性，效果也有待提升。相反，基于复杂水下成像模型的复原方法，考虑了水下成像的主导因素，能更精确地表示水下成像过程。基于复杂水下成像模型的复原方法可以有效提高水下图像的颜色和对比度，使处理后的水下图像更符合人类的视觉感受。

技术实现思路

[0004]本专利技术提供一种基于复杂水下成像模型的水下图像颜色校正方法。本专利技术方法对采集的水下退化图像采用对比度拉伸方法，获取深度估计输入图；其次，使用自监督的单目深度估计方法估计深度图，并使用引导滤波增强深度细节；然后，使用归一化操作将相对深度图转为绝对深度图；接着，等分深度图为八个相同大小区间，并在每个区间内寻找红绿蓝三通道之和最小的前1％的点。根据找到的点和其对应的深度值，使用复杂水下成像模型进行拟合，得到后向散射值，并在原图像上进行去除，得到无后向散射的水下图像；接着，对无后向散射的水下图像使用高斯滤波，得到亮度图，并根据亮度图和深度图估计带宽衰减系数；最后，根据带宽衰减系数、无散射水下图像和深度图，基于复杂水下成像模型进行图像复原。
[0005]本专利技术采用的技术方案为：
[0006]一种基于复杂水下成像模型的水下图像颜色校正方法，包括以下步骤：
[0007]步骤S01：将输入的原始水下图像进行对比度拉伸处理；
[0008]步骤S02：获取对比度拉伸后的水下图像的相对深度图，并使用引导滤波增强深度细节；
[0009]步骤S03：使用归一化操作将相对深度图转为绝对深度图；
[0010]步骤S04：等分绝对深度图为八个相同大小区间，并在每个区间内寻找红绿蓝三通
道值之和由小至大排序的点中前1％的点；
[0011]步骤S05：根据找到的点和其对应的深度值，使用复杂水下成像模型进行拟合，得到后向散射值，并在原图像上进行去除，得到无后向散射的水下图像；
[0012]步骤S06：对无后向散射的水下图像使用高斯滤波，得到亮度图；
[0013]步骤S07：根据亮度图和深度图估计带宽衰减系数；
[0014]步骤S08：根据带宽衰减系数、无散射水下图像和深度图，基于复杂水下成像模型进行图像复原。
[0015]进一步地，步骤S01中的对比度拉伸处理采用如下公式：
[0016][0017]其中，x
min
和x
max
分别表示原始水下图像中每个通道的像素点的最小值和最大值，x表示图像各像素点，y表示对比度拉伸后的图像。
[0018]进一步地，步骤S02采用的引导滤波方法表示为：
[0019][0020]其中，q(x,y)表示滤波输出图像，T
L,i
(x,y)表示引导图像，i和k均表示像素索引，a和b均表示当窗口中心位于k时该线性函数的系数，w
k
表示以k中心的窗口大小。
[0021]进一步地，步骤S05采用的复杂水下成像模型表示为：
[0022]I
c
＝D
c
+B
c
[0023]其中，I
c
表示拍摄的原始水下图像，D
c
表示直接反射信号；B
c
表示后向散射；D
c
，B
c
可由如下公式表示：
[0024][0025]其中，J
c
表示未经退化的水下图像；表示带宽衰减系数，z表示深度图；
[0026][0027]其中，A
c
表示水下环境光；表示散射衰减系数，z表示深度图。获得后向散射值的过程在于将J
c
，A
c
，看作四个未知量，使用红绿蓝三通道之和最小值和深度图，基于复杂水下成像模型拟合上述四个未知量，再带入复杂水下成像模型，从而根据该模型和深度图求解整幅图的后向散射。
[0028]进一步地，步骤S06中采用的高斯滤波表达式如下：
[0029][0030]其中，(x,y)表示像素点的坐标，G(x,y)是高斯卷积函数，σ表示高斯卷积核的大小。
[0031]进一步地，步骤S07估计带宽衰减系数的过程如下：
[0032][0033]其中，表示带宽衰减系数，E
c
表示亮度图，z表示深度图。
[0034]进一步地，步骤S08根据复杂水下成像模型进行图像复原的过程如下：
[0035][0036]其中，J
c
表示未经退化的水下图像，D
c
表示直接反射信号，表示带宽衰减系数，z表示深度图。
[0037]本专利技术与现有技术相比具有以下优势：
[0038]1、本专利技术所述水下图像颜色校正方法基于更精确的物理成像模型，与现有技术中的基于简单水下成像模型的方法相比，能够有效恢复水下图像的颜色和对比度，并且能应用在多种类型的水下图像，复原结果更加稳定。
[0039]2、本专利技术所述水下图像颜色校正方法能够恢复水下图像的真实颜色，与现有技术中的增强方法相比，本专利技术建立在准确物理模型的基础上，重建的颜色更加接近物体本来具有的颜色。
[0040]3、本专利技术所述水下图像颜色校正方法无需借助外部硬件设备，与依靠昂贵硬件设备获取参数的方式不同，本专利技术无需借助硬件设备，仅通过一幅水下图像便可以获得深度图、亮度图、后向散射值和带宽衰减系数值。
[0041]基于上述理由本专利技术可在图像预处理等领域推广应用。
附图说明
[0042]为了明确本专利技术或者技术方案，下面将对实施例或现有技术描述所需采用的附图进行简要概况说明。
[0043]图1为本专利技术的原理示意流程图；
[0044]图2为本专利技术与其他水下图像方法的效果图，图2
‑
1为水下采集图像原图(雕像)；图2
‑
2为采用He et al.DCP方法处理效果图；图2
‑
3为采用Peng 本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于复杂水下成像模型的水下图像颜色校正方法，其特征在于，包括以下步骤：步骤S01：将输入的原始水下图像进行对比度拉伸处理；步骤S02：获取对比度拉伸后的水下图像的相对深度图，并使用引导滤波增强深度细节；步骤S03：使用归一化操作将相对深度图转为绝对深度图；步骤S04：等分绝对深度图为八个相同大小区间，并在每个区间内寻找红绿蓝三通道值之和由小至大排序的点中前1％的点；步骤S05：根据找到的点和其对应的深度值，使用复杂水下成像模型进行拟合，得到后向散射值，并在原图像上进行去除，得到无后向散射的水下图像；步骤S06：对无后向散射的水下图像使用高斯滤波，得到亮度图；步骤S07：根据亮度图和深度图估计带宽衰减系数；步骤S08：根据带宽衰减系数、无散射水下图像和深度图，基于复杂水下成像模型进行图像复原。2.根据权利要求1所述的基于复杂水下成像模型的水下图像颜色校正方法，其特征在于：步骤S01中的对比度拉伸处理采用如下公式：其中，x
min
和x
max
分别表示原始水下图像中每个通道的像素点的最小值和最大值，x表示图像各像素点，y表示对比度拉伸后的图像。3.根据权利要求1所述的基于复杂水下成像模型的水下图像颜色校正方法，其特征在于：步骤S02采用的引导滤波方法表示为：其中，q(x,y)表示滤波输出图像，T
L,i
(x,y)表示引导图像，i和k均表示像素索引，a和b均表示当窗口中心位于k时该线性函数的系数，w
k
表示以k中心的窗口大小。4.根据权利要求1所述的基于复杂水下成像模型的水下图像颜色校正方法，其特征在于：步骤S05采用的复杂水下成像模型表示为：I

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