一种加权小波视觉感知融合的水下图像增强方法技术

本发明专利技术提供了一种加权小波视觉感知融合的水下图像增强方法。首先，让动态阈值I

【技术实现步骤摘要】
一种加权小波视觉感知融合的水下图像增强方法


[0001]本专利技术涉及水下图像处理方法，具体的说，涉及了一种加权小波视觉感知融合的水下图像增强方法。

技术介绍

[0002]受复杂的水下环境影响，散射作用极易造成水下图像雾化模糊和细节损失；吸收作用极易造成水下图像颜色失真、亮度和对比度降低。由于不同波长的灯光在水下介质中具有不同的吸收特性，这也造成水下图像与陆地图像相比，具有更严重的颜色失真。在颜色校正的基础上，本专利技术重点解决水下图像的低对比度和低可视性。
[0003]最近，直方图均衡方法逐渐应用到水下图像的对比度增强。然而，简单的直方图拉伸方法易引入欠增强和过增强。为了处理该问题，双直方图方法通过拉伸背景子图像和前景子图像以缓解该问题。但是，双直方图方法耗时且复杂，易产生局部过亮或过暗。循环堆叠的直方图方法利用分块处理解决了局部过亮或过暗问题，但该方法大大增加了算法复杂度。
[0004]如申请号为：CN202210556777.0专利技术名称为：局部自适应的水下图像对比度增强方法的专利技术专利中提出，将所述校正颜色后的水下图像从RGB颜色模型转换为CIELAB颜色模型，针对亮度通道L，以局部图像块为对象，利用积分图和平方积分图统计局部图像块的均值和方差。利用局部图像块的均值和方差自适应地增强亮度通道L的对比度针对所述颜色通道a和颜色通道b，采用颜色均衡策略，所述颜色通道a和颜色通道b之间的色差进行进一步的校正，使得增强的图像在对比度和颜色方面尽可能的接近陆地图像。
[0005]但这种方法易引入过增强、欠增强的一系列问题。
[0006]本申请旨在提供一种保证增强性能的同时，能够显著减少运行时间的方法。
[0007]为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

技术实现思路

[0008]本专利技术的目的是针对现有技术的不足，从而提供一种保证增强性能的同时，能够显著减少运行时间的加权小波视觉感知融合的水下图像增强方法。
[0009]为了实现上述目的，本专利技术所采用的技术方案是：一种加权小波视觉感知融合的水下图像增强方法，包括以下步骤：
[0010]步骤1)：通过图像熵测量直方图的均匀分布，预测图像细节的丰富性。
[0011]其中，熵在信息论中定义为：
[0012][0013]其中p
i
为灰度i的概率，L为输入图像的灰度级数，图像的动态范围为0～L
‑
1。
[0014]步骤2)：通过动态阈值I
dt
遍历整个灰度范围，在每次遍历中，该方法对阈值左右的直方图执行拉伸操作并对左右直方图的信息熵进行求和。直到求出左右信息熵之和的最大
值，对应的分离阈值点为最优动态分离阈值I
best
。
[0015]其中，对左右直方图的信息熵进行计算求和的公式如下：
[0016]I
best
＝argmax(I
Entropy
(I
ht
)),I
ht
∈[0,L
‑
1][0017][0018]其中和分别表示优化后的全局对比度图像的左右直方图的信息熵。其计算过程表示为:
[0019][0020][0021]其中P
i
表示当光线变化时，子直方图被均衡后，每个灰度级出现的概率。步骤3)：直方图数据分离阈值和动态范围分离阈值共同作用和相互影响，以获得动态范围阈值I
dt
的最佳阈值I
best
。
[0022]在迭代优化中，I
ht
和I
dt
的共同作用和相互影响主要体现为:
[0023][0024][0025][0026]其中I
max
和I
min
分别表示灰度的最大值和最小值，CDF()表示直方图的累积分布函数。通过上述解决方案，我们最大化整个直方图的信息熵，得到动态范围阈值I
dt
的最佳阈值I
best
。
[0027]当两个直方图均衡化后的图像信息熵最大时，从彩色校正后的水下图像得到全局对比度增强的水下图像I
GE
。
[0028]步骤4)：我们将局部图像块的平均值近似为低频分量，并从原始局部图像块中减去低频分量，以获得高频分量并引入了增强控制因子，以自适应地调整高频分量的增强程度。
[0029]利用局部均值来增强色彩校正后图像的局部对比度：
[0030][0031]其中为局部块的总像素值之和。
[0032]我们将局部图像块的均值近似为低频分量，并从原始局部图像块中减去低频分量，得到高频分量。以局部图像块B中任意一点的增强过程为例，可将增强过程定义为：
[0033]L
BE
(x,y)＝u
B
+β
×
(L
B
(x,y)
‑
u
B
)
[0034]其中β是控制图像局部对比度增强的因子。广泛的统计分析结果表明，β在2
□
2.5
之间，具有良好的增强性能。在我们的工作中，β被设置为2.1。
[0035]步骤5)：通过使用平均梯度来设计加权因子，并通过梯度计算设计加权小波融合策略。
[0036]图像的小波变换可以表示为:
[0037][0038][0039]其中为近似系数，为细节系数，I为大小为M
×
N的输入图像，为二维高斯函数，φ(x,y)为二维小波函数。使用平均梯度来设计权重因子。分别表示重建图像垂直、水平、对角分量的平均梯度。分别表示重构图像的垂直分量、水平分量和对角分量的权重因子。它们被定义为:
[0040][0041][0042][0043]使用梯度计算式和权值计算式设计了加权小波融合。表示为：
[0044][0045]其中I
FE
为加权小波感知融合得到的最终增强水下图像。
[0046]本专利技术相对现有技术具有突出的实质性特点和显著的进步，具体的说，现有的大多数双直方图方法直接设置两个阈值相等，但这限制了双直方图方法的应用。
[0047]因此，本专利技术提出了一种加权小波视觉感知融合的水下图像增强方法，该策略很难找到最佳的动态分离阈值。
[0048]具体来说，动态阈值I
dt
遍历整个灰度范围。在每次遍历中，该方法对阈值左右的直方图执行拉伸操作。然后，对左右直方图的信息熵进行计算和。直到求出左右信息熵之和的最大值，对应的分离阈值点为最优动态分离阈值I
best
。以达到图像的对比度增强。
[0049]为了校正局部对比度我们采用一幅积分图像来快速计算图像局部块的平均值。同时，我们充分利用这些局部均值来增强色彩校正后图像的局部对比度。对于亮度通道的每个局部块，只需遍历一次即可得到积分图像，计算复杂度较低。...

【技术保护点】

【技术特征摘要】
1.一种加权小波视觉感知融合的水下图像增强方法，其特征在于：包括以下步骤：步骤1)：通过图像熵测量直方图的均匀分布，预测图像细节的丰富性；步骤2)：通过动态阈值I
dt
遍历整个灰度范围，在每次遍历中，该步骤对阈值左右的直方图执行拉伸操作并对左右直方图的信息熵进行求和，直到求出左右信息熵之和的最大值，对应的分离阈值点为最优动态分离阈值I
best
；步骤3)：直方图数据分离阈值和动态范围分离阈值共同作用和相互影响，以获得动态范围阈值I
dt
的最佳阈值I
best
；在迭代优化中，I
ht
和I
dt
的共同作用和相互影响主要体现为:的共同作用和相互影响主要体现为:的共同作用和相互影响主要体现为:其中I
max
和I
min
分别表示灰度的最大值和最小值，CDF()表示直方图的累积分布函数；通过上述解决方案，我们最大化整个直方图的信息熵，得到动态范围阈值I
dt
的最佳阈值I
best
；即当两个直方图均衡化后的图像信息熵最大时，从彩色校正后的水下图像得到全局对比度增强的水下图像I
GE
；步骤4)：我们将局部图像块的平均值近似为低频分量，并从原始局部图像块中减去低频分量，以获得高频分量并引入了增强控制因子，以自适应地调整高频分量的增强程度；步骤5)：通过使用平均梯度来设计加权因子，并通过梯度计算设计加权小波融合策略，图像的小波变换可以表示为：图像的小波变换可以表示为：其中为近似系数，为细节系数，I为大小为M
×
N的输入图像，为二维高斯函数，φ(x,y)为二维小波函数；使用平均梯度来设计权重因子；分别表示重建图像垂直、水平、对角分量的平均梯度；分别表示重构图像的垂直分量、水平分量和对角分量的...

【专利技术属性】
技术研发人员：张卫东，喻百强，周玲，金松林，李国厚，赵高丽，曲培新，王建平，
申请(专利权)人：河南科技学院，
类型：发明
国别省市：