运用深度低秩非负矩阵分解水下图像复原方法、系统、介质技术方案

本发明专利技术属于图像处理技术领域，公开了一种运用深度低秩非负矩阵分解的水下图像复原方法、系统、介质；将获得的水下图像数据按照RGB三个通道重排，形成矩阵；并对矩阵进行深度低秩非负矩阵分解，控制分解成多个矩阵；对分解后的最后一个矩阵作用到原始图像上，得到复原后的图像。本发明专利技术将水下图像的光照分量约束为具有低秩性，保证了复原后的图像中包含水下图像中的有用信息。同时提高了图像的对比度，去除了图像的噪声，处理后水下图像的颜色信息得到增强，其峰值信噪比比直方图均衡和中值滤波都要大，均方误差比直方图均衡和中值滤波都要小，水下图像质量得到提高。水下图像质量得到提高。水下图像质量得到提高。

【技术实现步骤摘要】
运用深度低秩非负矩阵分解水下图像复原方法、系统、介质


[0001]本专利技术属于图像处理
，尤其涉及一种运用深度低秩非负矩阵分解水下图像复原方法、系统、介质。

技术介绍

[0002]目前，在水下彩色图像中，一方面，不同波长的光在水中传输的衰减程度不同，造成了物体颜色的偏移和失真；另一方面，水中水分子和悬浮颗粒对光的散射效应，造成水下图像的模糊。目前水下成像技术虽然在一定程度上改善了水下图像的质量，水下图像中存在的这些问题无法满足实际应用需求，阻碍了水下探测和研究的进展。因此，有必要采用图像复原技术，提高水下图像的质量。
[0003]图像复原是针对特定图像的特点和存在的问题进行相关处理，改善图像质量的一种方法，主要方法有：(1)基于空域的图像复原方法，如直方图均衡化，均值滤波和中值滤波；(2)基于水下图像的退化机理和光学特性的水下图像复原方法，如基于大气湍流模型和基于水下成像模型水下图像复原方法；(3)基于视网膜皮层的水下图像复原方法，如多尺度Retinex算法；(4)基于小波变换的水下图像复原方法。
[0004]其中，直方图均衡化是一种常用的图像复原方法，通过改变图像的直方图来改变图像中各像素的灰度，主要用于增强动态范围偏小的图像的对比度。原始图像由于其灰度分布可能集中在较窄的区间，造成图像不够清晰。例如，过曝光图像的灰度级集中在高亮度范围内，而曝光不足将使图像灰度级集中在低亮度范围内。采用直方图均衡化，可以把原始图像的直方图变换为均匀分布(均衡)的形式，这样增加了像素之间灰度值差别的动态范围，从而达到增大对比度，使图像清晰，达到图像复原的目的。一维图像直方图可以用函数表示为：P(k)＝n
k
/N(k＝1,2,3
…
L
‑
1)；上式中，n
k
表示灰度级为k的像素的个数，N表示图像中像素的总数。Retinex算法是根据物体的颜色是由物体对长波(红)、中波(绿)和短波(蓝)光线的反射能力决定的，而不是由反射光强度的绝对值决定的；物体的色彩不受光照非均性的影响，具有一致性；即Retinex理论是以色感一致性(颜色恒常性)为基础的。Retinex算法假设原始图像S是光照图像L和反射率图像R的乘积,即可表示为下式的形式S(x，y)＝R(x，y)
·
L(x，y)；
[0005]在处理中，将图像转换到对数域，从而将乘积关系转换为和的关系:log S＝log R
·
L，log S＝log R+log L；Retinex方法的核心就是估测照度L，从图像S中估测L分量，并去除L分量，得到原始反射分量R，即：log R＝log S
‑
log L。
[0006]图像复原主要是从有噪声的图像中获得原始图像的估计。估计误差越小，表示图像复原的效果越好。常用的图像复原效果评估标准是均方误差(MeanSquaredError,MSE)和峰值信噪比(PeakSignalto Noise Ratio，PSNR)，公式表示为：Ratio，PSNR)，公式表示为：上式中，M和N分别是x和y方向上图像像素的数目，f(i,j)和g(i,j)分别是原始图像和复原后图像在位置(i，
j)上的值。均方误差和峰值信噪比两种评价标准为客观标准，无法反映人类视觉系统对图像质量的感受。均方误差(MSE)越小，峰值信噪比(PSNR)越大，表示复原后的图像清晰度越高，复原效果也越好。
[0007]通过上述分析，现有技术存在的问题及缺陷为：现有技术中水下图像存在的颜色失真和噪声影响的问题。
[0008]解决以上问题及缺陷的难度为：
[0009]针对以上问题，提出了多种图像分析的方法来处理；但是，由于水下特殊的成像机制和复杂的环境，限制了这些算法在实际当中的应用。还有采用特殊的硬件设备来增强水下图像处理的效果，但是硬件设备比较昂贵，操作复杂，同时很难获得同一场景的多幅水下图像，给水下探测和研究带来了很大的困难。
[0010]解决以上问题及缺陷的意义为：
[0011]随着科技的不断发展和进步，人类认识海洋的进程在不断加快。水下机器人、声纳、激光和雷达等设备都投入到水下的研究中，获得了不同表示形式的数据。其中，图像是一种最直观的表达方式。要处理在海底遇到的各种突发状况，就需要一种简单快速的算法对采集到的图像数据进行实时处理。本专利技术具有简便和高效的特点，可以有效提高水下图像处理的质量。这对海洋环境保护、海洋资源开发和利用以及海洋军事应用等具有重要的意义。

技术实现思路

[0012]针对现有技术存在的问题，本专利技术提供了一种运用深度低秩非负矩阵分解水下图像复原方法、系统、介质。
[0013]本专利技术是这样实现的，一种运用深度低秩非负矩阵分解水下图像复原方法，所述运用深度低秩非负矩阵分解水下图像复原方法，包括：
[0014]步骤一，将获得的水下图像进行对数变换；将数据规范化到[0,1]区间
[0015]步骤二，对变换后的图像数据按照RGB三个通道重排，形成矩阵；并对矩阵进行深度低秩非负矩阵分解，控制分解成三个矩阵；
[0016]步骤三，将分解后的最后一个矩阵作为光照分量，与原始图像相乘，得到复原后的图像。
[0017]进一步，所述步骤一，具体为：将获得的水下图像f(x,y)进行对数变换，得到z(x,y)。
[0018]进一步，所述对f(x,y)进行对数运算，得到z(x,y)由下式表示：
[0019]z(x,y)＝ln f(x,y)；
[0020]其中，f(x,y)表示原始图像，z(x,y)表示对数变换后的图像。
[0021]进一步，所述步骤二中，形成的矩阵为：M＝[R(x,y) G(x,y) B(x,y)]；
[0022]其中，R(x，y) G(x，y) B(x，y)分别表示经过对数变换后的RGB通道的像素值。
[0023]进一步，所述步骤二中，对矩阵进行深度低秩非负矩阵分解，控制分解成两个矩阵，得到M＝W1W2H2。
[0024]进一步，所述对矩阵进行深度低秩非负矩阵分解，深度低秩非负矩阵分解的公式如下：
[0025]E＝||M
‑
WH||2；
[0026]其中，E表示分解后的误差，误差越小表示分解后的矩阵WH越接近于原始矩阵M。
[0027]进一步，所述低秩约束表示如下：
[0028][0029]进一步，所述步骤三，具体为：对H2的结果与原始图像进行乘积运算，得到分解后的图像e(x,y)。
[0030]本专利技术的另一目的在于提供一种实施所述运用深度低秩非负矩阵分解的水下图像复原系统，所述运用稀疏非负矩阵分解水下图像复原系统包括：
[0031]对数变换模块，用于将获得的水下图像进行对数变换；
[0032]矩阵扩展分解模块，用于对变换后的图像数据按照RGB三个通道重排，形成矩阵；并对矩阵进行深度低秩非负矩阵分解，控制分解成三个矩阵；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运用深度低秩非负矩阵分解水下图像复原方法，其特征在于，所述运用深度低秩非负矩阵分解水下图像复原方法包括：将获得的水下图像数据按照RGB三个通道重排，形成矩阵；并对矩阵进行深度低秩非负矩阵分解，控制分解矩阵的非负性；对分解后得到的最后一个矩阵作用到原始图像上，得到复原后的图像。2.如权利要求1所述的运用深度低秩非负矩阵分解水下图像复原方法，其特征在于，所述将获得的水下图像进行对数变换具体为：将获得的水下图像f(x，y)进行对数变换，得到z(x，y)。3.如权利要求2所述的运用深度低秩非负矩阵分解水下图像复原方法，其特征在于，所述对f(x，y)进行对数运算，得到z(x，y)由下式表示：z(x，y)＝lnf(x，y)；其中，f(x，y)表示原始图像，z(x，y)表示对数变换后的图像。4.如权利要求1所述的运用深度低秩非负矩阵分解水下图像复原方法，其特征在于，所述对变换后的图像数据按照RGB三个通道重排，形成矩阵为：M＝[R(x，y) G(x，y) B(x，y)]；其中，R(x，y) G(x，y) B(x，y)分别表示经过对数变换后的RGB通道的像素值。5.如权利要求1所述的运用深度低秩非负矩阵分解水下图像复原方法，其特征在于，所述对变换后的矩阵进行深度低秩非负矩阵分解，控制分解过程为两步，得到M＝W1W2H2。6.如权利要求5所述的运用深度低秩非负矩阵分解水下图像复原方法，其特征在于，所述对矩阵进行深度低秩非负矩阵分解，非负矩阵分解的公式如下：E＝||M
‑
WH||2；...

【专利技术属性】
技术研发人员：刘晓鹏，吕文芳，刘聪，宁业昭，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：