基于波纹和环境特性融合与迭代复原的水波纹预消除方法技术

本发明专利技术公开一种基于波纹和环境特性融合与迭代复原的水波纹预消除方法。水下拍摄得到原始图像，将图像基于sym2小波进行二级小波分解，分离出基于波纹和环境特性的图像频段；对基于波纹特性的图像频段采用基于马尔科夫随机场检测水波纹，基于期望最大化方法去除水波纹，基于大津法对水波纹区域进行检测判断，若不满足迭代直至满足区域范围为止；基于环境特性的图像频段基于灰度线性变换进行频段增强，基于背景光融合色彩平衡，得到色彩校正后的水下增强频段。接着对色彩校正后的水下增强频段进行基于双边滤波去噪，对图像进行小波逆变换。本方法能更准确识别出水波纹区域，解决了水波纹对水下图像的影响，保证了水下图像拍摄的质量。的质量。的质量。

【技术实现步骤摘要】
Image Processing.IEEE,2011:1557
‑
1560)，该方法对水下图像有很好的增强效果；贺欢等人提出一种基于MALLAT方法的图像去雾方法(贺欢.一种基于MALLAT方法的图像去雾方法[J].新疆师范大学学报(自然科学版),2020,39,110(01):28
‑
32)，通过二维离散小波进行图像的分解与重构达到去雾效果，但以上两种方法都不能完全消除水波纹对图像的影响。
[0006]综上所述，现有的硬件方法受周围环境约束较大；现有的软件方法存在适用场景有限的问题，基于水波纹会产生阴影的特性而设计的方法不能自适应完全消除水波纹对于图像的影响，基于水波纹会降低图片的清晰度的特性而设计的方法未解决有水波纹对于水下图像的影响。
[0007]因此以上方法均不能完全去除水波纹对于图像的影响。

技术实现思路

[0008]本专利技术的目的在于提供一种基于波纹和环境特性融合与迭代复原的水波纹预消除方法，基于sym2小波提取图像的高低频分量，利用期望最大化方法消除水波纹，考虑水波纹的能量影响进行图像融合增强。该方法能够很好的消除水波纹带来的影响，有效提高水下标定板的拍摄质量。
[0009]实现本专利技术目的的技术解决方案为：一种基于波纹和环境特性融合与迭代复原的水波纹预消除方法，用于处理水下拍摄有水波纹影响的低照度图像，包括如下步骤：
[0010]步骤(1)：水下拍摄，获取水波纹图像I0；
[0011]步骤(2)：基于波纹和环境特性融合与迭代复原的水波纹预消除方法的数据处理，具体包括：
[0012]步骤(21)：将步骤(1)获取的图像I0基于sym2小波进行二级小波分解，分离出基于波纹特性的图像频段和基于环境特性的图像频段；
[0013]步骤(22)：对步骤(21)分离出的基于波纹特性的图像频段采用基于马尔科夫随机场检测水波纹；
[0014]步骤(23)：对步骤(22)得到的图像频段基于期望最大化方法去除水波纹；
[0015]步骤(24)：对步骤(23)得到的图像频段基于大津法对水波纹区域进行检测判断，若不满足水波纹区域范围，则返回步骤(22)重新基于马尔科夫随机场检测水波纹，迭代直至满足区域范围为止；
[0016]步骤(25)：对步骤(21)分离出的基于环境特性的图像频段基于灰度线性变换进行频段增强；
[0017]步骤(26)：对步骤(25)得到的图像频段基于背景光融合色彩平衡，得到色彩校正后的水下增强频段；
[0018]步骤(27)：对步骤(26)得到的图像频段进行基于双边滤波去噪；
[0019]步骤(3)：对图像进行小波逆变换。
[0020]进一步地，步骤(1)中的图像I0表示为：
[0021]I0(x,y)＝D(x,y)+J(x,y)+O(x,y)
ꢀꢀ
(1)
[0022]其中，x,y分别为二维图像信号自变量和因变量，D(x,y)为基于波纹特性的图像频段，J(x,y)为基于环境特性的图像频段，O(x,y)为噪声影响，所述噪声影响包括水体悬浮物对光线散射和吸收、人工环境光光源照射干扰、水生物干扰。
[0023]进一步地，步骤(21)“将步骤(1)获取的图像I0基于sym2小波进行二级小波分解，分离出基于波纹特性的图像频段和基于环境特性的图像频段”具体为：
[0024]设可分离的二维尺度函数和小波函数ψ(x)，构造出三个二维基本小波函数为：其中为小波函数的水平ψ1，垂直ψ2，对角ψ3所对应的尺度函数，且满足
[0025]二维小波通过下式进行伸缩和平移：
[0026][0027]c,d为小波的伸缩和平移量；
[0028]二维图像信号f(x,y)在尺度2
i
下的一级分解基于波纹特性的图像频段D(x,y)的低频分量L
i
和高频分量分别为：
[0029][0030]其中(a,b)为图像中的像素点，二维序列为一级分解的第i阶图像的低频分量，分别代表图像第i阶的一级分解水平、垂直、对角方向的高频分量；
[0031]采用在尺度2
i
下的二级分解，得到图像第i阶的二级分解低频分量和二级分解水平方向的高频分量垂直方向的高频分量对角方向的高频分量经二级分解后的低频分量对应于基于环境特性的图像频段，水平方向的高频分量垂直方向的高频分量对角方向的高频分量对应于基于波纹特性的图像频段。
[0032]进一步地，步骤(22)的“对步骤(21)分离出的基于波纹特性的图像频段采用基于马尔科夫随机场检测水波纹”具体为：
[0033]设基于波纹特性的图像频段中水平方向的高频分量的梯度场为则梯度场分布图像I0为：ζ0是像素点(a,b)处的马尔科夫随机变量，关于ζ0的后验能量表示为：
[0034][0035]其中，F0表示图像中像素点(a,b)处梯度值的概率，代表像素点(a,b)的8邻域像素值，(1
‑
ζ0)为像素点(a,b)是边缘像素可能性的先验能量，ζ1为像素点(a,b)周围8邻域像素值的马尔科夫随机变量，C0后验能量补偿量，κ(ζ1,ζ0)是像素点(a,b)的似然能量，具体表达式为：
[0036][0037]I0为像素点(a,b)的梯度场分布图像，I1为像素点(a,b)的8邻域梯度场分布图像，C1、C2为像素点(a,b)标记边界像素的局部能量阈值，且C1＜C2；
[0038]依据最小后验能量求得ζ0，获得基于波纹特性的图像频段中水平方向的高频分量中水波纹区域
[0039]采用公式(4)求得二级分解的垂直方向的高频分量对角方向的高频分量的后验能量最小值，得到二级分解后基于波纹特性的图像频段中垂直方向的高频分量的水波纹区域对角方向的高频分量的水波纹区域
[0040]进一步地，步骤(23)的“对步骤(22)得到的图像频段基于期望最大化方法去除水波纹”具体为：
[0041]步骤(231)：设定概率分布参数θ的初始值θ0；
[0042]步骤(232)：期望步骤：设基于波纹特性的图像频段中水平方向的高频分量中水波纹区域中有N个像素，记为{n1,n2,...,n
n
}，F表示为像素N对应的增强类型，记为{F1,F2,...,F
n
}；将步骤(231)中的初始值θ0带入似然公式R(θ0)表示为：
[0043][0044]其中，w(N,F|θ)为变量N和F的联合分布概率模型，该模型具体为水平方向的高频分量中水波纹区域像素的概率属于类增强类型F的的概率，
[0045]上式简化为计算出增强类型F的当前估计值；
[0046]步骤(233)：最大化步骤：将步骤(232)计算出的F的当前估计值带入最大似然估计公式：
[0047][0048]重复迭代步骤(232)和步骤(233)，直到两步骤同时收敛，通过迭代使得公式(6)的似然函数最大化，得到参数θ1最大值；再依据w(N|θ1)的概率模型的方法求计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于波纹和环境特性融合与迭代复原的水波纹预消除方法，用于处理水下拍摄有水波纹影响的低照度图像，其特征在于，包括如下步骤：步骤(1)：水下拍摄，获取水波纹图像I0；步骤(2)：基于波纹和环境特性融合与迭代复原的水波纹预消除方法的数据处理，具体包括：步骤(21)：将步骤(1)获取的图像I0基于sym2小波进行二级小波分解，分离出基于波纹特性的图像频段和基于环境特性的图像频段；步骤(22)：对步骤(21)分离出的基于波纹特性的图像频段采用基于马尔科夫随机场检测水波纹；步骤(23)：对步骤(22)得到的图像频段基于期望最大化方法去除水波纹；步骤(24)：对步骤(23)得到的图像频段基于大津法对水波纹区域进行检测判断，若不满足水波纹区域范围，则返回步骤(22)重新基于马尔科夫随机场检测水波纹，迭代直至满足区域范围为止；步骤(25)：对步骤(21)分离出的基于环境特性的图像频段基于灰度线性变换进行频段增强；步骤(26)：对步骤(25)得到的图像频段基于背景光融合色彩平衡，得到色彩校正后的水下增强频段；步骤(27)：对步骤(26)得到的图像频段进行基于双边滤波去噪；步骤(3)：对图像进行小波逆变换。2.根据权利要求1所述的方法，其特征在于，步骤(1)中的图像I0表示为：I0(x,y)＝D(x,y)+J(x,y)+O(x,y)
ꢀꢀꢀꢀꢀ
(1)其中，x,y分别为二维图像信号自变量和因变量，D(x,y)为基于波纹特性的图像频段，J(x,y)为基于环境特性的图像频段，O(x,y)为噪声影响，所述噪声影响包括水体悬浮物对光线散射和吸收、人工环境光光源照射干扰、水生物干扰。3.根据权利要求2所述的方法，其特征在于，步骤(21)“将步骤(1)获取的图像I0基于sym2小波进行二级小波分解，分离出基于波纹特性的图像频段和基于环境特性的图像频段”具体为：设可分离的二维尺度函数和小波函数ψ(x)，构造出三个二维基本小波函数为：其中为小波函数的水平ψ1，垂直ψ2，对角ψ3所对应的尺度函数，且满足二维小波通过下式进行伸缩和平移：c,d为小波的伸缩和平移量；二维图像信号f(x,y)在尺度2
i
下的一级分解基于波纹特性的图像频段D(x,y)的低频分量L
i
和高频分量分别为：
其中(a,b)为图像中的像素点，二维序列为一级分解的第i阶图像的低频分量，分别代表图像第i阶的一级分解水平、垂直、对角方向的高频分量；采用在尺度2
i
下的二级分解，得到图像第i阶的二级分解低频分量和二级分解水平方向的高频分量垂直方向的高频分量对角方向的高频分量经二级分解后的低频分量对应于基于环境特性的图像频段，水平方向的高频分量垂直方向的高频分量对角方向的高频分量对应于基于波纹特性的图像频段。4.根据权利要求3所述的方法，其特征在于，步骤(22)的“对步骤(21)分离出的基于波纹特性的图像频段采用基于马尔科夫随机场检测水波纹”具体为：设基于波纹特性的图像频段中水平方向的高频分量的梯度场为则梯度场分布图像I0为：ζ0是像素点(a,b)处的马尔科夫随机变量，关于ζ0的后验能量表示为：其中，F0表示图像中像素点(a,b)处梯度值的概率，代表像素点(a,b)的8邻域像素值，(1
‑
ζ0)为像素点(a,b)是边缘像素可能性的先验能量，ζ1为像素点(a,b)周围8邻域像素值的马尔科夫随机变量，C0后验能量补偿量，κ(ζ1,ζ0)是像素点(a,b)的似然能量，具体表达式为：I0为像素点(a,b)的梯度场分布图像，I1为像素点(a,b)的8邻域梯度场分布图像，C1、C2为像素点(a,b)标记边界像素的局部能量阈值，且C1＜C2；依据最小后验能量求得ζ0，获得基于波纹特性的图像频段中水平方向的高频分量中水波纹区域采用公式(4)求得二级分解的垂直方向的高频分量对角方向的高频分量的后验能量最小值，得到二级分解后基于波纹特性的图像频段中垂直方向的高频分量的水波纹区域对角方向的高频分量的水波纹区域5.根据权利要求4所述的方法，其特征在于，步骤(23)的“对步骤(22)得到的图像频段基于期望最大化方法去除水波纹”具体为：步骤(231)：设定概率分布参数θ的初始值θ0；
步骤(232)：期望步骤：设基于波纹特性的图像频段中水平方向的高频分量中水波纹区域中有N个像素，记为{n1,n2,...,n
n

【专利技术属性】
技术研发人员：孙进，汪和平，姜金，
申请(专利权)人：扬州大学，
类型：发明
国别省市：