CN102982514A - 一种暗原色和白平衡相结合的水下彩色图像增强方法 - Google Patents

一种暗原色和白平衡相结合的水下彩色图像增强方法 Download PDF

Info

Publication number
CN102982514A
CN102982514A CN2012105255489A CN201210525548A CN102982514A CN 102982514 A CN102982514 A CN 102982514A CN 2012105255489 A CN2012105255489 A CN 2012105255489A CN 201210525548 A CN201210525548 A CN 201210525548A CN 102982514 A CN102982514 A CN 102982514A
Authority
CN
China
Prior art keywords
image
under water
color
underwater
colour
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012105255489A
Other languages
English (en)
Other versions
CN102982514B (zh
Inventor
束代群
李庆武
盛惠兴
张伟
霍冠英
朱浩
糜靖峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changzhou Campus of Hohai University
Original Assignee
Changzhou Campus of Hohai University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changzhou Campus of Hohai University filed Critical Changzhou Campus of Hohai University
Priority to CN201210525548.9A priority Critical patent/CN102982514B/zh
Publication of CN102982514A publication Critical patent/CN102982514A/zh
Application granted granted Critical
Publication of CN102982514B publication Critical patent/CN102982514B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Color Television Image Signal Generators (AREA)
  • Processing Of Color Television Signals (AREA)

Abstract

本发明公开了一种暗原色和白平衡相结合的水下彩色图像增强方法，属于图像处理技术领域。在水下环境下，光的散射和衰减导致水下彩色图像对比度低、颜色失真，图像质量严重下降；建立水下光学成像模型，根据暗原色先验规律估算出水下的透射率和大气光成分，复原水下彩色图像，使其清晰化；依据白平衡理论对复原后的图像进行颜色校正，实现水下彩色图像的增强。本发明提供的方法针对水下彩色图像成像特点，可以更好地增强图像细节，色彩丰富，且具有较快的运算速度。

Description

一种暗原色和白平衡相结合的水下彩色图像增强方法
技术领域
本发明涉及数字图像处理技术领域，具体涉及一种暗原色和白平衡相结合的水下彩色图像增强方法。
背景技术
二十一世纪是海洋开发时代，海洋覆盖了地球表面的71%，是全球生命支持系统的一个基本组成部分，它蕴藏着巨大的资源和能源，人类社会的发展必然会越来越多的依赖海洋；同时国际安全和沿海地区的安全，大多数都与海洋息息相关。因此开展水下图像处理方法的研究，具有重要的意义和价值。
在海洋环境下，海水一直模糊着人们的视线，使得景物的能见度大幅降低，给观看者和研究者带来了严重的影响。随着计算机视觉与图像处理技术的发展，水下视觉系统的研究不断深入，应用范围不断扩大，如水下勘测、水下机器人等。这些视觉系统需要以水下图像为基本处理对象，通过计算机视觉、图像处理等技术准确检测输入图像的特征。然而在恶劣的水下条件下，水下彩色图像的对比度和颜色都会发生改变或退化，图像中蕴含的许多特征都被覆盖或模糊，导致这些视觉系统无法正常工作。
水下图像增强处理通常的方法是单独对光的散射进行补偿处理，或者单独对水下图像的颜色进行修正处理。对光的散射进行补偿处理的方法有：2004年，Schechner等运用物理模型为基础，使用极化滤波器来补偿退化的水下图像的能见度；2007年，W.Hou等使用联合点扩散函数和调制传递函数降低水下图像的模糊效应；2010年，L.Chao等运用图像去模糊的方法来提高水下图像的清晰度。虽然上述的方法在一定程度上，可以增强水下图像的对比度和可见度，以及修复由波长衰减引起的图像模糊等，但是却仍然没有涉及到颜色失真问题的改善方法。事实上，在水下环境下，图像的颜色发生了一定的变化。2007年，A.Yamashita等利用颜色变化相关性技术估计水下环境参数，这些参数是由光的衰减引起的彩色配准构成的；2010年，K.Labal等分别在RGB空间和HIS 空间使用直方图均衡化来平衡图像的亮度分布。2011年，Norsila等指出水下图像的视觉颜色有时并不代表现实中的真实颜色，光的吸收和散射作用会降低图像的清晰度，为了提高水下图像的可见度，根据直方图分布提出了一种手动调控的颜色校正方法，达到增强图像的效果。一个系统的研究方法需要把这些因素都要考虑到，其中包括光的散射、颜色失真等。
本发明提出的暗原色和白平衡相结合的方法可以有效地增强水下图像的可见度和恢复水下图像的颜色平衡，提高图像的清晰度和颜色的保真度且该方法具有较快的运算速度。专利检索及对国内外各种科技文献的最新检索表明，尚未有一种暗原色和白平衡相结合的水下彩色图像增强方法见诸文献。
发明内容
针对水下图像的低对比度、颜色失真的特点，本发明目的是在于提供一种暗原色和白平衡相结合的水下彩色图像增强方法，对水下彩色图像先进行暗原色先验处理，复原水下图像，然后进行自动白平衡处理，实现颜色校正，从而实现水下图像的增强。
为实现上述发明目的，其处理步骤依次为：
（1）建立水下彩色图像的成像模型，该模型由入射光衰减模型和大气光线成像模型两部分组成，其表达式为                                               。
（2）根据暗原色的先验规律，对水下彩色图像
Figure 2012105255489100002DEST_PATH_IMAGE004
，求其暗原色通道值，确定水下彩色图像
Figure 464123DEST_PATH_IMAGE004
成像模型中水下大气光成分
Figure 2012105255489100002DEST_PATH_IMAGE006
。
（3）计算水下彩色图像
Figure 443580DEST_PATH_IMAGE004
成像模型中介质传播函数
Figure 2012105255489100002DEST_PATH_IMAGE008
。
（4）依据水下大气光成分
Figure 285634DEST_PATH_IMAGE006
和介质传播函数
Figure 743160DEST_PATH_IMAGE008
，确定水下彩色图像
Figure 619850DEST_PATH_IMAGE004
的复原图像
Figure 2012105255489100002DEST_PATH_IMAGE010
。
（5）根据白平衡理论，对复原图像
Figure 504629DEST_PATH_IMAGE010
进行颜色修正。将图像
Figure 771662DEST_PATH_IMAGE010
的
Figure 2012105255489100002DEST_PATH_IMAGE012
颜色空间转换为
Figure 2012105255489100002DEST_PATH_IMAGE014
颜色空间，以便确定一个由一系列参考白点组成的接近白色区域。
（6）计算接近白色区域的参考白点。
（7）根据参考白点的平均值和整幅图像亮度的最大值，分别计算
Figure 2012105255489100002DEST_PATH_IMAGE016
、
Figure 2012105255489100002DEST_PATH_IMAGE018
、
Figure 2012105255489100002DEST_PATH_IMAGE020
三通道增益。
（8）判断图像在
Figure 888709DEST_PATH_IMAGE012
空间中红色分量
Figure 882073DEST_PATH_IMAGE016
所占比重，修正通道增益。 
（9）根据
Figure 2012105255489100002DEST_PATH_IMAGE022
Figure 2012105255489100002DEST_PATH_IMAGE024
模型来调整图像，使其达到白平衡的效果。
（10）输出增强后的图像。
本发明综合利用一种基于暗原色和白平衡相结合的水下彩色图像增强方法，可以有效去除由光的散射引起的失真并修正颜色变化，有效地增强水下图像的可见度和恢复水下图像的颜色平衡，解决了水下图像模糊和偏色的问题，且具有较快的运算速度。
附图说明
图1为本发明的可见光在水下环境的传播成像原理示意图。
图2为本发明的在高透明度水体，可见光的衰减与水微粒的关系示意图。
图3为本发明方法的流程图。
图1中，1为大气光，2为照相机，3为水中悬浮微粒，4为水下光源，5为拍摄的物体，6为反射光线，7为水域环境，8为散射光线。
图2中，11为红色光，12为橙色光，13为黄色光，14为绿色光，15为青色光，16为蓝色光，17为紫色光，18为照相机，19为水下光源，20为拍摄的物体。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
如图1中，水下光源4照射到水下物体5上，反射光线6通过媒介水体7和水下悬浮微粒3后，成为光线8投射到水下照相机2的图像传感器进行成像，其中，反射光线6通过媒介水体7和水下悬浮微粒3会发生散射效应。大气光1会投射到水中，出现白色光区域。由此，建立水下光学成像模型，表达式为，
Figure 515626DEST_PATH_IMAGE002
。其中
Figure 2012105255489100002DEST_PATH_IMAGE026
为拍摄到的水下彩色图像。
Figure 2012105255489100002DEST_PATH_IMAGE028
为水下大气光成分；
Figure 163645DEST_PATH_IMAGE008
为反射光线6通过媒介透射到照相机2的过程中未被散射的部分。
Figure 2012105255489100002DEST_PATH_IMAGE030
为反射光线在透射媒介7和悬浮颗粒3中经衰减后的剩余强度8。
Figure 2012105255489100002DEST_PATH_IMAGE032
为由于散射引起的，会导致景物颜色偏移的大气光部分。
在高透明度水体，可见光的衰减与水微粒的关系示意图如图2所示：
如图2中，显示了可见光的衰减与水微粒的相互关系。日光是一种复合光，它是由红、橙、黄、绿、青、蓝、紫七种不同波长的单色光复合而成的。光在水中的传播过程中会因为水的吸收作用致使强度逐渐减弱，而水对光的吸收作用与各单色光的波长有关。在图2中，单色光为：红色光11、橙色光12、黄色光13、绿色光14、青色光15、蓝色光16、紫色光。水对红色光11和橙色光12吸收最多；黄色光13、紫色光17和绿色光14次之，而对蓝色光16、青色光15吸收最少。图1中显示出红色1在水下50厘米处很明显地消失；大多数颜色光在25米深处被吸收，所以，在水下看到的光色通常是偏蓝绿色。
基于以上原因，水下照相机19拍出来的彩色图像20都是蓝绿色的；而且，随着光在水中传输距离和水深的增加，这种偏色现象就愈加严重。正是因为颜色失真会随水深增加而愈加严重，所以对水下图像进行颜色校正是十分必要的。
图3为本发明方法的流程图，本发明一种暗原色和白平衡相结合的水下彩色图像增强方法，基于可见光在水下环境的传播成像原理，运用暗原色先验规律复原图像，使图像清晰化；基于在水下看到的光色通常是蓝绿色分量，而红色分量大幅衰减的情况，应用白平衡理论知识，将复原后的图像，进行颜色校正，解决水下图像颜色失真的问题，增强图像色彩和细节。为更详细的对本发明的方法进行说明，如图3所示，该方法的具体步骤依次为：
（1）根据光学模型，水下图像的成像模型由入射光衰减模型和大气光线成像模型两部分组成，表达式为
Figure 655806DEST_PATH_IMAGE002
。其中为图像中像素的坐标位置，
Figure 959748DEST_PATH_IMAGE026
为拍摄到的水下彩色图像。
Figure 297189DEST_PATH_IMAGE028
为水下大气光成分。
Figure 940660DEST_PATH_IMAGE008
为光线通过媒介透射到照相机过程中未被散射的部分，称为透射率，
Figure 2012105255489100002DEST_PATH_IMAGE036
。
Figure 2012105255489100002DEST_PATH_IMAGE038
为对水下彩色图像进行复原后的图像，即所要求取的图像。
Figure 400460DEST_PATH_IMAGE030
为物体光线在透射媒介中经衰减后的剩余强度。
Figure 191698DEST_PATH_IMAGE032
为由于散射引起的，会导致景物颜色偏移的大气光部分。
（2）由拍摄到的水下彩色图像
Figure 270513DEST_PATH_IMAGE004
，根据暗原色的先验规律，对水下彩色图像
Figure 830807DEST_PATH_IMAGE004
，求其暗原色通道值，表达式为，。其中
Figure 2012105255489100002DEST_PATH_IMAGE044
表示图像I的红、绿、蓝RGB空间的一个颜色分量。
Figure 2012105255489100002DEST_PATH_IMAGE046
是指彩色图像
Figure 789405DEST_PATH_IMAGE004
中每个像素点R、G、B 3个颜色通道上的最小亮度值，即为暗原色图像
Figure 2012105255489100002DEST_PATH_IMAGE048
。
（3）根据所求取的彩色图像
Figure 802360DEST_PATH_IMAGE004
的暗原色通道值
Figure 684865DEST_PATH_IMAGE048
，确定图像
Figure 99666DEST_PATH_IMAGE004
的成像模型中水下大气光成分
Figure 42215DEST_PATH_IMAGE006
，暗原色通道值
Figure 548325DEST_PATH_IMAGE048
中的最大亮度值即为图像I的成像模型中的水下大气光成分
Figure 968942DEST_PATH_IMAGE006
。
（4）根据所确定的水下大气光成分，计算图像
Figure 617278DEST_PATH_IMAGE004
成像模型中介质传播函数
Figure 604826DEST_PATH_IMAGE008
，表达式为
Figure 2012105255489100002DEST_PATH_IMAGE050
。其中
Figure 2012105255489100002DEST_PATH_IMAGE052
利用中值滤波器对
Figure 2012105255489100002DEST_PATH_IMAGE054
进行滤波，可以使所求取的图像
Figure 953768DEST_PATH_IMAGE010
保存颜色突变的边缘；
Figure 2012105255489100002DEST_PATH_IMAGE056
为调整图像亮度的参数，本发明设置。本发明采用带阈值的中值滤波器算法来计算介质传播函数，而未采用计算复杂度高的数字抠图算法，在很大程度上，提高了算法的运算速度。
（5）将介质传播函数
Figure 424249DEST_PATH_IMAGE008
和水下大气光成分
Figure 899093DEST_PATH_IMAGE006
代入水下光学成像模型，从而求得对水下彩色图像
Figure 989409DEST_PATH_IMAGE004
的复原图像
Figure 170991DEST_PATH_IMAGE010
，表达式为
Figure 2012105255489100002DEST_PATH_IMAGE060
。其中，
Figure 2012105255489100002DEST_PATH_IMAGE062
是为防止求解得到的图像
Figure 485298DEST_PATH_IMAGE010
带有噪声而设置的一个较小的阈值，一般的取值在0.01~0.1之间，本发明设置
Figure 2012105255489100002DEST_PATH_IMAGE064
。
（6）根据白平衡理论，对上述复原后的图像
Figure 13548DEST_PATH_IMAGE010
进行颜色修正。将图像
Figure 377534DEST_PATH_IMAGE010
的RGB颜色空间转换为
Figure 738108DEST_PATH_IMAGE014
颜色空间，以便确定一个接近白色的区域，这个接近白色的区域是由一系列参考白点组成。
（7）分别计算图像
Figure 187544DEST_PATH_IMAGE010
在
Figure 557345DEST_PATH_IMAGE014
颜色空间中的
Figure 2012105255489100002DEST_PATH_IMAGE066
、
Figure 2012105255489100002DEST_PATH_IMAGE068
的平均值
Figure 2012105255489100002DEST_PATH_IMAGE070
、
Figure 2012105255489100002DEST_PATH_IMAGE072
和绝对均方差
Figure 2012105255489100002DEST_PATH_IMAGE074
、
Figure 2012105255489100002DEST_PATH_IMAGE076
，其中
Figure 691349DEST_PATH_IMAGE074
、的表达式为
Figure 2012105255489100002DEST_PATH_IMAGE078
，
Figure 2012105255489100002DEST_PATH_IMAGE080
。其中，
Figure 2012105255489100002DEST_PATH_IMAGE082
、
Figure 2012105255489100002DEST_PATH_IMAGE084
分别是图像在颜色空间中的
Figure 530681DEST_PATH_IMAGE066
、
Figure 498637DEST_PATH_IMAGE068
在
Figure 2012105255489100002DEST_PATH_IMAGE086
的亮度值，
Figure 2012105255489100002DEST_PATH_IMAGE088
是图像
Figure 719403DEST_PATH_IMAGE010
的像素总数。
（8）计算接近白色区域的所有像素点，表达式为
Figure 2012105255489100002DEST_PATH_IMAGE090
、
Figure 2012105255489100002DEST_PATH_IMAGE092
。
（9）将步骤（8）计算接近白色区域的所有像素点，按其亮度值从大到小的点依次排列。选择前10%的亮度值作为接近白色区域的参考白点。
（10）根据参考白点的平均值和整幅图像亮度的最大值，分别计算
Figure 493324DEST_PATH_IMAGE016
、、
Figure 559686DEST_PATH_IMAGE020
三通道增益，其表达式为
Figure 2012105255489100002DEST_PATH_IMAGE094
，
Figure 2012105255489100002DEST_PATH_IMAGE096
，
Figure 2012105255489100002DEST_PATH_IMAGE098
。其中，
Figure 2012105255489100002DEST_PATH_IMAGE100
是整幅图像像素的亮度最大值，
Figure 2012105255489100002DEST_PATH_IMAGE102
、
Figure 2012105255489100002DEST_PATH_IMAGE104
 、
Figure 2012105255489100002DEST_PATH_IMAGE106
是图像总参考白点的
Figure 454698DEST_PATH_IMAGE012
通道的均值。
（11）判断图像
Figure 704414DEST_PATH_IMAGE010
在空间中红色分量
Figure 61763DEST_PATH_IMAGE016
所占比重，修正
Figure 200663DEST_PATH_IMAGE016
通道增益。计算
Figure 254070DEST_PATH_IMAGE016
分量分别与
Figure 156167DEST_PATH_IMAGE018
分量，分量所占比重，其表达式为，
若
Figure 2012105255489100002DEST_PATH_IMAGE108
，则
Figure 2012105255489100002DEST_PATH_IMAGE110
；若
Figure 2012105255489100002DEST_PATH_IMAGE112
，则
Figure 2012105255489100002DEST_PATH_IMAGE114
；  
Figure 2012105255489100002DEST_PATH_IMAGE116
；
若，则
Figure 178536DEST_PATH_IMAGE110
；若
Figure 2012105255489100002DEST_PATH_IMAGE120
，则
Figure 2012105255489100002DEST_PATH_IMAGE122
；
Figure 2012105255489100002DEST_PATH_IMAGE124
；
若，同时满足，
Figure 2012105255489100002DEST_PATH_IMAGE130
和
Figure 2012105255489100002DEST_PATH_IMAGE132
是判断图像
Figure 284901DEST_PATH_IMAGE010
中的红色分量是否严重偏少的阈值；若满足条件，则修正
Figure 41504DEST_PATH_IMAGE016
通道增益系数
Figure 2012105255489100002DEST_PATH_IMAGE134
。本发明设置的两个阈值
Figure 755382DEST_PATH_IMAGE130
、
Figure 800699DEST_PATH_IMAGE132
都为
Figure 2012105255489100002DEST_PATH_IMAGE136
。
（12）根据
Figure 258225DEST_PATH_IMAGE022
Figure 869335DEST_PATH_IMAGE024
模型来调整图像，使其达到白平衡的效果，调整的表达式为
Figure 2012105255489100002DEST_PATH_IMAGE138
，
Figure 2012105255489100002DEST_PATH_IMAGE140
，
Figure 2012105255489100002DEST_PATH_IMAGE142
。其中、
Figure 2012105255489100002DEST_PATH_IMAGE146
、
Figure 2012105255489100002DEST_PATH_IMAGE148
分别是图像
Figure 974405DEST_PATH_IMAGE010
在RGB空间的三个颜色通道值，、
Figure DEST_PATH_IMAGE152
、
Figure DEST_PATH_IMAGE154
分别是增强后的图像O在RGB空间的三个颜色通道值。
  （13）输出增强后的图像。
本发明综合利用一种基于暗原色和白平衡相结合的水下彩色图像增强方法，可以有效去除由光的散射引起的失真并修正颜色变化，有效地增强水下图像的可见度和恢复水下图像的颜色平衡，解决了水下图像模糊和偏色的问题，且具有较快的运算速度。
以上对本发明实施例所提供的一种暗原色和白平衡相结合的水下彩色图像增强方法进行了详细的介绍，本发明可用其他的不违背本发明的精神和主要特征的具体形式来概括，因此，本发明的上述实施方案都只能认为是对本发明的说明而不能限制本发明，在与本发明的权利要求相当的含义和范围内任何改变，都应认为是包括在权利要求书的范围内。

Claims (9)

1. 一种基于暗原色和白平衡相结合的水下彩色图像增强方法，其具体步骤为：
（1）建立水下彩色图像的成像模型，该模型由入射光衰减模型和大气光线成像模型两部分组成；拍摄到的水下彩色图像                                               简称为
Figure 2012105255489100001DEST_PATH_IMAGE004
，其表达式为
Figure 2012105255489100001DEST_PATH_IMAGE006
；其中，
Figure 2012105255489100001DEST_PATH_IMAGE008
为图像中像素的坐标位置;简称为
Figure 2012105255489100001DEST_PATH_IMAGE012
,为水下大气光成分;
Figure 2012105255489100001DEST_PATH_IMAGE014
为光线通过媒介透射到照相机过程中未被散射的部分，称为透射率，且
Figure 2012105255489100001DEST_PATH_IMAGE016
；
Figure 2012105255489100001DEST_PATH_IMAGE018
简称为
Figure 2012105255489100001DEST_PATH_IMAGE020
，为对水下彩色图像进行复原后的图像，即所要求取的复原图像；
Figure 2012105255489100001DEST_PATH_IMAGE022
为物体光线在透射媒介中经衰减后的剩余强度；
Figure 2012105255489100001DEST_PATH_IMAGE024
为由于散射引起的，会导致景物颜色偏移的大气光部分；
（2）根据暗原色的先验规律，对水下彩色图像
Figure 65960DEST_PATH_IMAGE004
，求其暗原色通道值，确定水下彩色图像
Figure 983101DEST_PATH_IMAGE004
成像模型中水下大气光成分；
（3）计算水下彩色图像成像模型中介质传播函数，即透射率；
（4）依据水下大气光成分
Figure 220364DEST_PATH_IMAGE010
和介质传播函数
Figure 97053DEST_PATH_IMAGE014
，确定水下彩色图像
Figure 919515DEST_PATH_IMAGE004
的复原图像
Figure 248866DEST_PATH_IMAGE020
；
（5）根据白平衡理论，对复原图像
Figure 447766DEST_PATH_IMAGE020
进行颜色修正；将复原图像
Figure 241278DEST_PATH_IMAGE020
的
Figure 2012105255489100001DEST_PATH_IMAGE026
颜色空间转换为颜色空间，以便确定一个由一系列参考白点组成的接近白色区域；
（6）计算接近白色区域的参考白点；
（7）根据参考白点的平均值和整幅图像亮度的最大值，分别计算、、三通道增益；
（8）判断复原图像
Figure 421593DEST_PATH_IMAGE020
在
Figure 175922DEST_PATH_IMAGE026
空间中红色分量所占比重，修正
Figure 560953DEST_PATH_IMAGE030
通道增益；
（9）根据
Figure 2012105255489100001DEST_PATH_IMAGE038
模型来调整图像，使其达到白平衡的效果；
（10）输出增强后的图像。
2. 根据权利要求1所述的水下彩色图像增强方法，其特征是：所述步骤（2）中，根据暗原色的先验规律，对水下彩色图像，求其暗原色通道值，表达式为
Figure 2012105255489100001DEST_PATH_IMAGE040
，
Figure 2012105255489100001DEST_PATH_IMAGE042
；其中
Figure 2012105255489100001DEST_PATH_IMAGE044
表示图像I的红、绿、蓝RGB空间的一个颜色分量；
Figure 2012105255489100001DEST_PATH_IMAGE046
是指彩色图像
Figure 499269DEST_PATH_IMAGE004
中每个像素点R、G、B 3个颜色通道上的最小亮度值，即为暗原色图像。
3. 根据权利要求1所述的水下彩色图像增强方法，其特征是：所述步骤（1）中，水下彩色图像的成像模型中的水下大气光成分
Figure 836709DEST_PATH_IMAGE010
为暗原色通道值
Figure 480180DEST_PATH_IMAGE048
中的最大亮度值。
4. 根据权利要求3所述的水下彩色图像增强方法，其特征是：水下彩色图像成像模型中介质传播函数
Figure 877663DEST_PATH_IMAGE014
，表达式为
Figure 2012105255489100001DEST_PATH_IMAGE050
；
其中，
Figure 2012105255489100001DEST_PATH_IMAGE052
利用中值滤波器对
Figure 2012105255489100001DEST_PATH_IMAGE054
进行滤波，可使所求取的复原图像
Figure 731219DEST_PATH_IMAGE020
保存颜色突变的边缘；
Figure 2012105255489100001DEST_PATH_IMAGE056
为调整图像亮度的参数；
Figure 872350DEST_PATH_IMAGE012
为水下大气光成分。
5. 根据权利要求1所述的水下彩色图像增强方法，其特征是：所述步骤（4）中，水下彩色图像的复原图像
Figure 432644DEST_PATH_IMAGE020
的表达式为
Figure 2012105255489100001DEST_PATH_IMAGE058
；
其中，
Figure 2012105255489100001DEST_PATH_IMAGE060
是为防止求解得到的图像
Figure 266608DEST_PATH_IMAGE020
带有噪声而设置的一个较小的阈值， 
Figure 279563DEST_PATH_IMAGE060
的取值范围为0.01～0.1。
6. 根据权利要求1所述的水下彩色图像增强方法，其特征是：所述步骤（6）中，计算接近白色区域的所有像素点，其公式为
Figure 2012105255489100001DEST_PATH_IMAGE062
、
Figure 2012105255489100001DEST_PATH_IMAGE064
；
其中，
Figure DEST_PATH_IMAGE066
、
Figure DEST_PATH_IMAGE068
分别是复原图像
Figure 286703DEST_PATH_IMAGE020
在
Figure 701503DEST_PATH_IMAGE028
颜色空间中的
Figure DEST_PATH_IMAGE070
、的平均值
Figure 706369DEST_PATH_IMAGE066
、
Figure 212479DEST_PATH_IMAGE068
，
Figure DEST_PATH_IMAGE074
、
Figure DEST_PATH_IMAGE076
分别是图像
Figure 757730DEST_PATH_IMAGE020
在
Figure 230300DEST_PATH_IMAGE028
颜色空间中的
Figure 406066DEST_PATH_IMAGE070
、
Figure 331297DEST_PATH_IMAGE072
的绝对均方差，、
Figure 741736DEST_PATH_IMAGE076
的表达式为
Figure DEST_PATH_IMAGE078
，
Figure DEST_PATH_IMAGE080
，
Figure DEST_PATH_IMAGE082
、分别是图像
Figure 213037DEST_PATH_IMAGE020
在
Figure 625564DEST_PATH_IMAGE028
颜色空间中的
Figure 715880DEST_PATH_IMAGE070
、
Figure 897462DEST_PATH_IMAGE072
在
Figure DEST_PATH_IMAGE086
的亮度值，
Figure DEST_PATH_IMAGE088
是图像
Figure 274086DEST_PATH_IMAGE020
的像素总数；
将接近白色区域的所有像素点按其亮度值从大到小的点依次排列，选择前10%的亮度值作为接近白色区域的参考白点。
7. 根据权利要求1所述的水下彩色图像增强方法，其特征是：所述步骤（7）中，分别计算
Figure 853535DEST_PATH_IMAGE030
、
Figure 481963DEST_PATH_IMAGE032
、
Figure 783631DEST_PATH_IMAGE034
三通道增益，其公式为：
Figure DEST_PATH_IMAGE090
，
Figure DEST_PATH_IMAGE092
，
Figure DEST_PATH_IMAGE094
；
其中，
Figure DEST_PATH_IMAGE096
是整幅图像像素的亮度最大值，
Figure DEST_PATH_IMAGE098
、
Figure DEST_PATH_IMAGE100
 、
Figure DEST_PATH_IMAGE102
是图像总参考白点的
Figure 455790DEST_PATH_IMAGE026
通道的均值。
8. 根据权利要求1所述的水下彩色图像增强方法，其特征是：所述步骤（8）中，判断图像在
Figure 275027DEST_PATH_IMAGE026
空间中红色分量
Figure 165623DEST_PATH_IMAGE030
所占比重，修正
Figure 24994DEST_PATH_IMAGE030
通道增益；计算
Figure 633830DEST_PATH_IMAGE030
分量分别与
Figure 875499DEST_PATH_IMAGE032
分量，
Figure 886180DEST_PATH_IMAGE034
分量所占比重，其表达式为，
若
Figure DEST_PATH_IMAGE104
，则；若
Figure DEST_PATH_IMAGE108
，则
Figure DEST_PATH_IMAGE110
；  
Figure DEST_PATH_IMAGE112
；
若
Figure DEST_PATH_IMAGE114
，则
Figure 103404DEST_PATH_IMAGE106
；若
Figure DEST_PATH_IMAGE116
，则
Figure DEST_PATH_IMAGE118
；
Figure DEST_PATH_IMAGE120
；
若
Figure DEST_PATH_IMAGE122
，同时满足
Figure DEST_PATH_IMAGE124
，
Figure DEST_PATH_IMAGE126
和是判断图像
Figure 448803DEST_PATH_IMAGE020
中的红色分量是否严重偏少的阈值；若满足条件，则修正通道增益系数
Figure DEST_PATH_IMAGE130
。
9. 根据权利要求1所述的水下彩色图像增强方法，其特征是：所述步骤（9）中，根据
Figure 289086DEST_PATH_IMAGE038
模型来调整图像，该调整的公式为
Figure DEST_PATH_IMAGE132
，
Figure DEST_PATH_IMAGE134
，
Figure DEST_PATH_IMAGE136
；
其中，
Figure DEST_PATH_IMAGE138
、
Figure DEST_PATH_IMAGE140
、
Figure DEST_PATH_IMAGE142
分别是图像
Figure 121782DEST_PATH_IMAGE020
在RGB空间的三个颜色通道值，
Figure DEST_PATH_IMAGE144
、
Figure DEST_PATH_IMAGE146
、分别是增强后的图像O在RGB空间的三个颜色通道值。
CN201210525548.9A 2012-12-10 2012-12-10 一种暗原色和白平衡相结合的水下彩色图像增强方法 Active CN102982514B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210525548.9A CN102982514B (zh) 2012-12-10 2012-12-10 一种暗原色和白平衡相结合的水下彩色图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210525548.9A CN102982514B (zh) 2012-12-10 2012-12-10 一种暗原色和白平衡相结合的水下彩色图像增强方法

Publications (2)

Publication Number Publication Date
CN102982514A true CN102982514A (zh) 2013-03-20
CN102982514B CN102982514B (zh) 2016-03-02

Family

ID=47856461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210525548.9A Active CN102982514B (zh) 2012-12-10 2012-12-10 一种暗原色和白平衡相结合的水下彩色图像增强方法

Country Status (1)

Country Link
CN (1) CN102982514B (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679651A (zh) * 2013-11-29 2014-03-26 桂林电子科技大学 水下图像增强处理方法
CN104574387A (zh) * 2014-12-29 2015-04-29 张家港江苏科技大学产业技术研究院 水下视觉slam系统中的图像处理方法
CN104766284A (zh) * 2015-04-17 2015-07-08 河海大学常州校区 水下彩色模糊图像的复原方法
CN104954767A (zh) * 2014-03-26 2015-09-30 联想(北京)有限公司 一种信息处理方法和电子设备
CN105825481A (zh) * 2016-03-09 2016-08-03 天津大学 基于局部SoG的水下图像清晰化方法
CN105979237A (zh) * 2016-06-01 2016-09-28 努比亚技术有限公司 一种图像处理方法及装置
CN106485681A (zh) * 2016-10-18 2017-03-08 河海大学常州校区 基于颜色校正和红通道先验的水下彩色图像复原方法
CN106970618A (zh) * 2017-04-06 2017-07-21 北京臻迪科技股份有限公司 一种无人船控制方法及系统
CN106999160A (zh) * 2014-11-21 2017-08-01 通用电气公司 用于呈现超声图像的方法和设备
CN108053374A (zh) * 2017-12-05 2018-05-18 天津大学 一种结合双边滤波与Retinex的水下图像增强方法
CN108960257A (zh) * 2018-07-06 2018-12-07 东北大学 一种基于深度学习的糖尿病视网膜病变等级分级方法
CN109284769A (zh) * 2018-08-02 2019-01-29 哈尔滨工程大学 一种基于量化参数的水下图像自适应分类方法
CN110570365A (zh) * 2019-08-06 2019-12-13 西安电子科技大学 基于先验信息的图像去雾方法
TWI692742B (zh) * 2018-11-26 2020-05-01 國立中山大學 低光照水下影像的強化方法
CN111586293A (zh) * 2020-04-24 2020-08-25 山东易华录信息技术有限公司 一种根据海水浊度影响进行水下成像方法及装置
CN112804510A (zh) * 2021-01-08 2021-05-14 海南省海洋与渔业科学院 深水图像的色彩还真处理方法、装置、存储介质及相机
CN116485786A (zh) * 2023-06-15 2023-07-25 贵州医科大学附属医院 一种内分泌试纸智能分析方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663697A (zh) * 2012-04-01 2012-09-12 大连海事大学 一种水下彩色视频图像的增强方法
US20120263358A1 (en) * 2008-04-08 2012-10-18 The US of America, as represented by the Secretary of the Navy, Chief of Naval Research, Office Automated Underwater Image Restoration Via Denoised Deconvolution

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120263358A1 (en) * 2008-04-08 2012-10-18 The US of America, as represented by the Secretary of the Navy, Chief of Naval Research, Office Automated Underwater Image Restoration Via Denoised Deconvolution
CN102663697A (zh) * 2012-04-01 2012-09-12 大连海事大学 一种水下彩色视频图像的增强方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHING-CHIH WENG等: "A novel automatic white balance method for digital still cameras", 《CIRCUITS AND SYSTEMS, 2005. ISCAS 2005. IEEE INTERNATIONAL SYMPOSIUM ON》, vol. 4, 26 May 2005 (2005-05-26), pages 3801 - 3804, XP010816492, DOI: doi:10.1109/ISCAS.2005.1465458 *
KAIMING HE: "Singe Image Haze Removal Using Dark Channel Prior", 《COMPUTER VISION AND PATTERN RECOGNITION, 2009. CVPR 2009. IEEE CONFERENCE ON》, 25 June 2009 (2009-06-25), pages 1956 - 1963 *
王燕等: "一种单幅图像去雾方法", 《电光与控制》, vol. 18, no. 4, 30 April 2011 (2011-04-30) *

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103679651A (zh) * 2013-11-29 2014-03-26 桂林电子科技大学 水下图像增强处理方法
CN104954767A (zh) * 2014-03-26 2015-09-30 联想(北京)有限公司 一种信息处理方法和电子设备
CN104954767B (zh) * 2014-03-26 2017-08-29 联想(北京)有限公司 一种信息处理方法和电子设备
CN106999160A (zh) * 2014-11-21 2017-08-01 通用电气公司 用于呈现超声图像的方法和设备
CN104574387B (zh) * 2014-12-29 2017-11-21 张家港江苏科技大学产业技术研究院 水下视觉slam系统中的图像处理方法
CN104574387A (zh) * 2014-12-29 2015-04-29 张家港江苏科技大学产业技术研究院 水下视觉slam系统中的图像处理方法
CN104766284A (zh) * 2015-04-17 2015-07-08 河海大学常州校区 水下彩色模糊图像的复原方法
CN105825481A (zh) * 2016-03-09 2016-08-03 天津大学 基于局部SoG的水下图像清晰化方法
CN105825481B (zh) * 2016-03-09 2018-12-04 天津大学 基于局部SoG的水下图像清晰化方法
CN105979237A (zh) * 2016-06-01 2016-09-28 努比亚技术有限公司 一种图像处理方法及装置
CN106485681A (zh) * 2016-10-18 2017-03-08 河海大学常州校区 基于颜色校正和红通道先验的水下彩色图像复原方法
CN106485681B (zh) * 2016-10-18 2019-04-23 河海大学常州校区 基于颜色校正和红通道先验的水下彩色图像复原方法
CN106970618A (zh) * 2017-04-06 2017-07-21 北京臻迪科技股份有限公司 一种无人船控制方法及系统
CN108053374B (zh) * 2017-12-05 2020-08-04 天津大学 一种结合双边滤波与Retinex的水下图像增强方法
CN108053374A (zh) * 2017-12-05 2018-05-18 天津大学 一种结合双边滤波与Retinex的水下图像增强方法
CN108960257A (zh) * 2018-07-06 2018-12-07 东北大学 一种基于深度学习的糖尿病视网膜病变等级分级方法
CN109284769A (zh) * 2018-08-02 2019-01-29 哈尔滨工程大学 一种基于量化参数的水下图像自适应分类方法
CN109284769B (zh) * 2018-08-02 2022-03-18 哈尔滨工程大学 一种基于量化参数的水下图像自适应分类方法
TWI692742B (zh) * 2018-11-26 2020-05-01 國立中山大學 低光照水下影像的強化方法
CN110570365A (zh) * 2019-08-06 2019-12-13 西安电子科技大学 基于先验信息的图像去雾方法
CN110570365B (zh) * 2019-08-06 2022-04-29 西安电子科技大学 基于先验信息的图像去雾方法
CN111586293A (zh) * 2020-04-24 2020-08-25 山东易华录信息技术有限公司 一种根据海水浊度影响进行水下成像方法及装置
CN112804510A (zh) * 2021-01-08 2021-05-14 海南省海洋与渔业科学院 深水图像的色彩还真处理方法、装置、存储介质及相机
CN116485786A (zh) * 2023-06-15 2023-07-25 贵州医科大学附属医院 一种内分泌试纸智能分析方法
CN116485786B (zh) * 2023-06-15 2023-09-01 贵州医科大学附属医院 一种内分泌试纸智能分析方法

Also Published As

Publication number Publication date
CN102982514B (zh) 2016-03-02

Similar Documents

Publication Publication Date Title
CN102982514B (zh) 一种暗原色和白平衡相结合的水下彩色图像增强方法
Wen et al. Single underwater image enhancement with a new optical model
Lu et al. Underwater image enhancement using guided trigonometric bilateral filter and fast automatic color correction
CN106485681B (zh) 基于颜色校正和红通道先验的水下彩色图像复原方法
CN104036466B (zh) 一种视频去雾方法与系统
CN102750674B (zh) 基于自适应容差的视频图像去雾方法
CN108596853A (zh) 基于背景光统计模型和传输地图优化的水下图像增强方法
CN110322410B (zh) 基于亮通道透射率补偿的水下图像去雾及偏色校正方法
CN108765342A (zh) 一种基于改进暗通道的水下图像复原方法
CN111968055B (zh) 一种基于颜色补偿和颜色线先验的水下图像复原算法
CN107316278A (zh) 一种水下图像清晰化处理方法
CN102831591A (zh) 一种基于高斯滤波的单幅图像的实时去雾方法
CN107705258B (zh) 一种三基色联合预均衡和去模糊的水下图像增强方法
CN107507145A (zh) 一种基于不同颜色空间自适应直方图拉伸的水下图像增强方法
CN105976337B (zh) 一种基于中值引导滤波的图像去雾方法
CN108257101B (zh) 一种基于最优复原参数的水下图像增强方法
CN107194900A (zh) 图像处理方法、装置、计算机可读存储介质和移动终端
CN108564543A (zh) 一种基于电磁理论的水下图像色彩补偿方法
CN109949247A (zh) 一种基于yiq空间光学成像模型的梯度域自适应增益水下图像增强方法
CN110689490A (zh) 一种基于纹理颜色特征和优化透射率的水下图像复原方法
CN106780380A (zh) 一种图像去雾方法及系统
CN107527325A (zh) 一种基于暗通道优先的单目水下视觉增强方法
CN106157270A (zh) 一种单幅图像快速去雾方法及系统
CN103345733A (zh) 基于改进暗通道先验的快速低照度图像增强方法
CN111553862B (zh) 一种海天背景图像去雾和双目立体视觉定位方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant