CN107705258B - 一种三基色联合预均衡和去模糊的水下图像增强方法 - Google Patents
一种三基色联合预均衡和去模糊的水下图像增强方法 Download PDFInfo
- Publication number
- CN107705258B CN107705258B CN201710843914.8A CN201710843914A CN107705258B CN 107705258 B CN107705258 B CN 107705258B CN 201710843914 A CN201710843914 A CN 201710843914A CN 107705258 B CN107705258 B CN 107705258B
- Authority
- CN
- China
- Prior art keywords
- image
- color
- underwater
- equalization
- channel
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000005540 biological transmission Effects 0.000 claims abstract description 32
- 239000003086 colorant Substances 0.000 claims abstract description 10
- 238000012937 correction Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000010586 diagram Methods 0.000 claims description 11
- 238000003384 imaging method Methods 0.000 claims description 6
- 239000012736 aqueous medium Substances 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 239000002245 particle Substances 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract description 4
- 238000012958 reprocessing Methods 0.000 abstract 1
- 238000007689 inspection Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002609 medium Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G06T5/73—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明涉及一种三基色联合预均衡和去模糊的水下图像增强方法，具体包括：利用颜色校正的直方图均衡化方法处理图像；利用暗通道模型对校正后的图像进行再处理；改善图像的背景光估计；优化传输图估计；恢复图像场景。本发明能够获得良好的视觉效果和客观质量，并且具有计算简单、恢复质量好等优点。
Description
技术领域
本发明涉及图像处理技术领域，特别是涉及一种三基色联合预均衡和去模糊的水下图像增强方法。
背景技术
目前，水下图像的增强方法主要分为：(a)图像去雾，(b)补偿非均匀光照，(c)增加图像的对比度。Fattal等人提出了一种单幅图像去雾(SID)方法，先估计模糊场景中的光传输函数，再基于此估计值来消除散射光，以增加图像的可见度和对比度。SID方法利用了表面阴影和传输函数图在局部统计上的不相关性。Bianco等人提出了一种简单的水下图像增强方法，利用三个颜色通道在水中衰减速度的极大不同，来估计水下场景的深度，并采用图像分割的方法提炼暗通道先验的深度映射，以获得清晰的图像。Chiang等人通过将去雾法和波长补偿法相结合来增强水下图像。He等人提出了暗通道先验(DCP)方法，根据每个波长的衰减量进行反向补偿，以减少色偏引起的失真，可降低图像中的模糊效应，其缺点是在某些情况下降低了对比度，导致图像变暗。Ancuti等人利用融合原理来增强水下图像与视频的视觉质量，在基于融合的方法中，各种类型的权重映射可以提高图像质量。Galdran等人提出了一种红色通道恢复方法，恢复了与较短波长相关的对比度和颜色损失，红色通道恢复方法是天空暗通道先验的简单扩展，实验结果表明，该方法在人工光照情形下具有较好的恢复效果，可以改善颜色偏差和可见度。
直方图均衡化(HistEqu)是一种提高图像对比度的典型技术，该方法首先统计亮度分量的直方图，并通过调整直方图来重新分配图像的亮度值，可以改善局部对比度。HistEqu方法具有放大图像在相对均匀区域的噪声的倾向，其改进方法被称为对比度受限的自适应直方图均衡化(CLAHE)，CLAHE通过限制图像在均匀区域的噪声，保持了图像的对比度。CLAHE可能导致过度增强对比度较低的图像区域的情况，为了消除引入的人工边界，相邻像素的恢复可采用双线性插值，并采用受限的直方图来控制噪声。基于概率(PB)方法是一种同时估计光照和反射系数的图像增强机制，也可用于增强水下图像。
在现有的具有代表性的水下图像增强技术中，HistEqu和CLAHE方法由于忽略了图像空域变化的相关性，引入了较多的人工噪声；DCP和PB方法虽然增加了对比度和细节，但衰减能量没有根据不同波长进行补偿，颜色和可见度的恢复效果并不理想。总体而言，已有的水下图像增强方法只能揭示水下图像有限的细节和颜色，难以去除噪声的影响。对于水下图像增强，已有方法偏重于某一方面的定性指标或定量指标，存在过度增强或者是增强不够等问题，忽略了恢复性能的综合评价。
发明内容
本发明所要解决的技术问题是提供一种三基色联合预均衡和去模糊的水下图像增强方法，能够增强水下图像的综合性能。
本发明解决其技术问题所采用的技术方案是：提供一种三基色联合预均衡和去模糊的水下图像增强方法，包括以下步骤：
(1)利用颜色校正的直方图均衡化方法对图像进行预处理；
(2)利用暗通道模型对预处理后的图像进行处理；
(3)对处理后的图像进行背景光估计来得到传输图；
(4)对传输图进行优化估计；
(5)基于优化后的传输图恢复图像场景。
所述步骤(1)中的预处理是指根据三基色直方图均衡化，在去模糊之前进行三基色子图的预均衡，具体为：在结合图像局部对比度和颜色两个因素的基础上，将原始的水下图像划分为三个颜色通道，并进行自适应的直方图均衡化，再进行颜色校正。
所述颜色校正是在图像的RGB通道中分别计算平均值和均方误差，再计算每个通道的最大值和最小值，其中，最大值计算方式为
最小值计算方式为
其中c∈{r,g,b}，
和
分别是c通道中的平均值和均方误差，μ是控制图像变化的参数；最终，通过
获得颜色校正图像，其中
为c通道的增强子图，Ic为c通道的子图，ac为加权系数。
所述步骤(2)具体为：采用分层搜索技术预估背景光，然后通过暗通道先验算法去除悬浮颗粒的影响，最后去除明亮物体的干扰，并根据水下光的传输特性确定背景光。
所述暗通道先验算法中一幅图像的水下暗通道先验表示为：Jdark(x)＝minc∈{r,g,b}(miny∈Ω(x)Jc(y))，其中，x表示一个像素，Ω(x)是一个以x为中心的正方形区域，y表示该正方形区域的一个像素，Jc(y)是水下图像的c通道子图；除了光源所在区域，如果Jc(y)是一种无模糊的图像，那么Jdark(x)的强度应趋于0。
所述步骤(3)具体为：选择暗通道中最亮的0.1％个像素，在这些像素中，选择对应于原始图像中亮度最高的像素作为背景光。
在背景光Lc的基础上，通过背景光Lc除以Ic(x)来计算传输图，其中，Ic(x)为观测图像的模糊混合强度，Ic(x)＝Jc(x)tc(x)+Lc[1-tc(x)]，Jc(x)是恢复的场景，tc(x)∈[0,1]代表前景光通过水介质时剩余能量的百分比，1-tc(x)代表模糊指数；每个颜色子图具有自己的传输图
其中Jdark(x)为水下暗通道先验表示。
所述步骤(4)具体为：在获得基本传输图后，使用引导滤波器来细化传输图以得到精确的传输图。
所述步骤(5)具体为：基于优化后的传输图通过三基色水下图像模型来恢复场景的亮度。
通过限制前景光通过水介质时剩余能量的百分比tc(x)的下限t0＝0.1，使用模糊成像方程和暗通道先验算法，得到恢复的场景为：
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明的三基色联合预均衡和去模糊方法成功地恢复了相对真实的彩色图像，增强了原始水下图像的对比度和可见度。本发明将对比度和颜色这两个因素相结合，通过参数的整体优化消除了暗通道先验算法的局限性，在三基色暗通道先验算法之前加入了三基色直方图均衡化处理。与其它增强方法相比，该方法能显著提高水下图像的视觉质量，一致地增强水下图像的客观质量。
附图说明
图1为水下光学成像的前向散射分量和后向散射分量示意图。
图2为本发明所提方法的模块图。
图3为不同增强方法的信息熵对比图。
图4为不同增强方法的PCQI值对比图。
图5为不同增强方法的运行时间对比图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
随着海洋、湖泊、河流资源的勘探，水下图像已成为一个重要的研究领域。光在水中传播时存在散射和吸收，水下图像常常会出现颜色畸变和对比度低等问题。水下成像可以表示为前向散射分量和后向散射分量的线性叠加，前向散射导致图像特征的模糊，而后向散射掩盖了场景的细节。由于每种颜色子图都有不同的波长和能量级别，在水中会以不同的速率被吸收。红光或者橙光等较长波长的光分量往往在水中被迅速吸收，因此水下图像通常呈现出绿色或蓝色基调。图1显示了水下光学成像的示意图，光的前向散射会使水下图像的真实特征模糊或退化，光的后向散射使水下图像中的远处物体雾化，且景物对比度变差。对于海洋探测和水下机器人等应用，较低的成像质量制约了从水下图像中提取有价值信息的能力，因此，有必要对这类水下图像进行增强处理。
图2给出了三基色联合预均衡和去模糊方法的模块图，首先采用三基色直方图均衡进行预处理，然后通过三基色暗通道先验算法进一步提升成像质量。水下光照条件非常复杂，水下图像的颜色和对比度依赖于颜色子图能量的衰减程度。三基色水下图像模型可以表示为：Ic(x)＝Jc(x)tc(x)+Lc[1-tc(x)],c∈{r,g,b}，其中x是颜色子图的一个像素，Ic(x)是观测图像的模糊混合强度，Jc(x)是恢复的场景，Lc是表示后向散射效应的背景光，tc(x)∈[0,1]代表前景光通过水介质时剩余能量的百分比，1-tc(x)代表模糊指数。因此，Jc(x)tc(x)和Lc[1-tc(x)]分别表示水下光学成像的前向散射分量和后向散射分量，去模糊的目标是在Ic(x)中恢复Jc(x)、Lc和tc(x)。由于Ic(x)是与背景光混合后的实际图像强度，Ic(x)通常比Jc(x)亮。因此与Jc(x)相比，Ic(x)的暗通道具有较高的数值。为了增强原始的水下图像，本发明提出了三基色联合预均衡和去模糊的方法，如图2所示，该方法包括以下主要步骤：
步骤一：三基色直方图均衡。基于物理光谱特征进行颜色校正，本步骤将对比度和颜色两个因素相结合，在三基色暗通道先验算法之前加入了直方图均衡化处理，以消除暗通道先验算法的局限性。在此过程中，将原始的图像分为三个颜色通道，并进行自适应的直方图均衡化，然后通过颜色校正技术对均衡结果进行处理。颜色校正是在原始图像的RGB通道中计算平均值和均方误差，然后通过公式
和
来计算每个通道的最大值和最小值，其中c∈{r,g,b}；
和
分别是c通道中的平均值和均方误差，μ是控制图像变化的参数；最终，通过
获得颜色校正图像，其中
为c通道的增强子图，Ic为c通道的原始子图，ac为加权系数。根据自然场景图像的直方图分布统计特征，自然图像每个颜色通道的直方图分布更宽、更一致，而水下图像每个颜色通道的直方图分布由于吸收、散射和浮游微粒的影响，产生了直方图的分离聚集效应，蓝色成分的直方图集中在最亮的一侧，其次是绿色成分，然后是红色成分。因此相比于原始水下图像，对比度增强后的水下图像每个颜色通道的直方图分布更宽、更一致。
步骤二：计算暗通道。该步骤采用分层搜索技术预估背景光，然后通过暗通道先验算法去除悬浮颗粒的影响，最后去除明亮物体的干扰，并根据水中光的传输特性确定背景光。暗通道先验通常被用来处理陆地上的模糊图像，本发明根据这一先验来增强水下图像。水粒子和光散射的存在会导致水下图像的模糊，而这些图像模糊可以通过暗通道先验算法进行去除。暗通道先验是基于对无模糊图像的观察：在大多数非自然光下，至少有一个颜色通道在某些像素点具有非常低的强度。水下图像增强的主要目标是估计Jc(x)、Lc和tc(x)。暗通道先验表明在图像背景中的大部分区域中，通常有一些像素点在至少一个颜色通道具有非常低的强度，Jdark(x)代表在x点的暗通道。一幅图像的水下暗通道先验表示为：Jdark(x)＝minc∈{r,g,b}(miny∈Ω(x)Jc(y))，其中，其中，x表示一个像素，Ω(x)是一个以x为中心的正方形区域(例如15×15像素)，y表示该正方形区域的一个像素，Jc(y)是水下图像的c通道子图。除了光源所在区域，如果Jc(y)是一种无模糊的图像，那么Jdark(x)的强度应趋于0，暗通道先验算法利用这一特性恢复图像。
步骤三：估算背景光。在之前的增强方法中，背景光Lc是从最模糊不透明的像素中估计出来的，往往使用最高强度的像素作为背景光。在真实图像中，最亮的像素可能出现在白色区域上，一幅模糊图像的暗通道也接近模糊强度。本步骤利用暗通道改善背景光估计，首先选择暗通道中最亮的0.1％个像素，在这些像素中进一步选择原始图像中平均亮度最高区域的像素作为背景光。在背景光Lc的基础上，通过Lc除以Ic(x)＝Jc(x)tc(x)+Lc[1-tc(x)],c∈{r,g,b}来计算传输图。根据暗通道先验，非模糊图像的暗通道趋于零。考虑三基色子图的差异，在本发明所提出的方法中，每个颜色子图具有自己的传输图
其中对于βc是颜色加权系数(βr＝1.0,βg＝0.9,βb＝0.9)。
步骤四：优化传输图。采用上述步骤对水下图像进行增强后，图像中黑暗和明亮区域可能变得太暗或太亮，接下来使用滤波操作来调整图像质量。在获得了上述传输图之后，基于块的传输图通常会产生块效应，因此本步骤采用引导滤波来优化该传输图，以期获得更为精确的传输图。
步骤五：恢复场景的亮度。基于精细化后的传输图，本步骤根据Ic(x)＝Jc(x)tc(x)+Lc[1-tc(x)],c∈{r,g,b}恢复场景的亮度。当传输率tc(x)接近零时，直接衰减项Jc(x)tc(x)很接近于零，直接恢复场景Jc(x)容易出现噪声，因此需要设定传输率tc(x)的下限t0，同时使用模糊成像方程和暗通道先验算法，得到恢复的场景为：
其中t0是一个阈值，用来避免分母出现极低值，t0的典型值是0.1。由于水下场景的亮度通常不如背景光那样明亮，图像在去除模糊后显得较暗淡，为了得到更好的视觉效果，本步骤适当增加了Jc(x)的曝光量。水下图像与模糊图像都是通过某种传输介质退化的，因此，暗通道先验算法可以用来去除水下图像中的模糊。
通过以上五个步骤的操作，最终得到增强后的水下图像。对于典型场景和颜色板两种测试条件，图3、图4和图5分别比较了不同增强方法的信息熵、PCQI值和运行时间。典型场景包括现有文献广泛采用的十幅水下图像，分别是(1)reef1(500×375)；(2)reef2(750×1000)；(3)reef3(1000×707)；(4)ocean2(550×412)；(5)Galdran_Im1(473×353)；(6)fish(512×384)；(7)Eustice4(690×560)；(8)Ancuti1(404×303；(9)Ancuti2(1037×778)；(10)Ancuti3(512×384)。标准的颜色板分别放置于自然的阳光下、墨西哥湾60英尺深处的水中。在两种测试条件下，不同的增强算法对水下图像进行了恢复处理。本发明提出的方法优于其它方法的信息熵和PCQI。更高的信息熵表明本发明所提出的增强方法能减少复原后水下图像的信息损失，增加有价值的信息；更高的PCQI值表示增强的结果能更好地平衡水下图像的色度、饱和度与对比度。由于所有增强方法都使用类似的代码指令，它们的MATLAB实现可以为算法的复杂度评估提供一定的参考，本发明所提算法具有较低的计算复杂度。
Claims (8)
1.一种三基色联合预均衡和去模糊的水下图像增强方法，其特征在于，包括以下步骤：
(1)利用颜色校正的直方图均衡化方法对图像进行预处理；其中，预处理是指根据三基色直方图均衡化，在去模糊之前进行三基色子图的预均衡，具体为：在结合图像局部对比度和颜色两个因素的基础上，将原始的水下图像划分为三个颜色通道，并进行自适应的直方图均衡化，再进行颜色校正；所述颜色校正是在图像的RGB通道中分别计算平均值和均方误差，再计算每个通道的最大值和最小值，其中，最大值计算方式为
最小值计算方式为
其中c∈{r,g,b}，
和
分别是c通道中的平均值和均方误差，μ是控制图像变化的参数；最终，通过
获得颜色校正图像，其中
为c通道的增强子图，Ic为c通道的子图，ac为加权系数；
(2)利用暗通道模型对预处理后的图像进行处理；
(3)对处理后的图像进行背景光估计来得到传输图；
(4)对传输图进行优化估计；
(5)基于优化后的传输图恢复图像场景。
2.根据权利要求1所述的三基色联合预均衡和去模糊的水下图像增强方法，其特征在于，所述步骤(2)具体为：采用分层搜索技术预估背景光，然后通过暗通道先验算法去除悬浮颗粒的影响，最后去除明亮物体的干扰，并根据水下光的传输特性确定背景光。
3.根据权利要求2所述的三基色联合预均衡和去模糊的水下图像增强方法，其特征在于，所述暗通道先验算法中一幅图像的水下暗通道先验表示为：Jdark(x)＝minc∈{r,g,b}(miny∈Ω(x)Jc(y))，其中，x表示一个像素，Ω(x)是一个以x为中心的正方形区域，y表示该正方形区域的一个像素，Jc(y)是水下图像的c通道子图；除了光源所在区域，如果Jc(y)是一种无模糊的图像，那么Jdark(x)的强度应趋于0。
4.根据权利要求1所述的三基色联合预均衡和去模糊的水下图像增强方法，其特征在于，所述步骤(3)具体为：选择暗通道中最亮的0.1％个像素，在这些像素中，选择对应于原始图像中亮度最高的像素作为背景光。
5.根据权利要求4所述的三基色联合预均衡和去模糊的水下图像增强方法，其特征在于，在背景光Lc的基础上，通过背景光Lc除以Ic(x)来计算传输图，其中，Ic(x)为观测图像的模糊混合强度，Ic(x)＝Jc(x)tc(x)+Lc[1-tc(x)]，Jc(x)是恢复的场景，tc(x)∈[0,1]代表前景光通过水介质时剩余能量的百分比，1-tc(x)代表模糊指数；每个颜色子图具有自己的传输图
其中Jdark(x)为水下暗通道先验表示，βc为颜色加权系数。
6.根据权利要求1所述的三基色联合预均衡和去模糊的水下图像增强方法，其特征在于，所述步骤(4)具体为：在获得基本传输图后，使用引导滤波器来细化传输图以得到精确的传输图。
7.根据权利要求1所述的三基色联合预均衡和去模糊的水下图像增强方法，其特征在于，所述步骤(5)具体为：基于优化后的传输图通过三基色水下图像模型来恢复场景的亮度。
8.根据权利要求7所述的三基色联合预均衡和去模糊的水下图像增强方法，其特征在于，通过限制前景光通过水介质时剩余能量的百分比tc(x)的下限t0＝0.1，使用模糊成像方程和暗通道先验算法，得到恢复的场景为：
其中，Ic(x)为观测图像的模糊混合强度，Lc为背景光，max()为取最大值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710843914.8A CN107705258B (zh) | 2017-09-19 | 2017-09-19 | 一种三基色联合预均衡和去模糊的水下图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710843914.8A CN107705258B (zh) | 2017-09-19 | 2017-09-19 | 一种三基色联合预均衡和去模糊的水下图像增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107705258A CN107705258A (zh) | 2018-02-16 |
| CN107705258B true CN107705258B (zh) | 2021-05-25 |
Family
ID=61172848
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710843914.8A Active CN107705258B (zh) | 2017-09-19 | 2017-09-19 | 一种三基色联合预均衡和去模糊的水下图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107705258B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109389613B (zh) * | 2018-09-29 | 2021-09-03 | 同济大学 | 一种基于计算机视觉的残留鱼饵计数方法 |
| CN109859129A (zh) * | 2019-01-29 | 2019-06-07 | 哈工大机器人（岳阳）军民融合研究院 | 一种水下图像增强处理方法和装置 |
| CN110827225A (zh) * | 2019-11-13 | 2020-02-21 | 山东科技大学 | 一种基于双重曝光框架的非均匀光照水下图像增强方法 |
| CN111292263B (zh) * | 2020-01-21 | 2022-11-04 | 东华大学 | 一种基于颜色校正和去模糊的图像增强方法 |
| CN114757854B (zh) * | 2022-06-15 | 2022-09-02 | 深圳市安星数字系统有限公司 | 基于多光谱分析的夜视图像质量提升方法、装置、设备 |
| CN115496694B (zh) * | 2022-09-30 | 2023-07-25 | 湖南科技大学 | 基于改进图像形成模型对水下图像进行恢复和增强的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105354801A (zh) * | 2015-10-13 | 2016-02-24 | 苏州汉基视测控设备有限公司 | 一种基于hsv色彩空间的图像增强方法 |
| CN105608683A (zh) * | 2016-03-11 | 2016-05-25 | 北京理工大学 | 一种单幅图像去雾方法 |
| AU2016225778A1 (en) * | 2015-11-06 | 2017-05-25 | Adobe Inc. | Dehazing photos and videos using visual artifact suppression |
-
2017
- 2017-09-19 CN CN201710843914.8A patent/CN107705258B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105354801A (zh) * | 2015-10-13 | 2016-02-24 | 苏州汉基视测控设备有限公司 | 一种基于hsv色彩空间的图像增强方法 |
| AU2016225778A1 (en) * | 2015-11-06 | 2017-05-25 | Adobe Inc. | Dehazing photos and videos using visual artifact suppression |
| CN105608683A (zh) * | 2016-03-11 | 2016-05-25 | 北京理工大学 | 一种单幅图像去雾方法 |
Non-Patent Citations (2)
| Title |
|---|
| Underwater Image Enhancement Based on Dark Channel Prior and Histogram Equalization;sudhansu mallik et al.;《2016 international conference on innovations in information embedded and communication systems（ICIIECS’16）》;20161231;第2节，第3节，第4节，图6 * |
| 基于暗通道先验和CLAHE的红外图像增强算法;郑林涛等;《计算机工程与设计》;20160119(第12期);第3297-3301页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107705258A (zh) | 2018-02-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| Li et al. | Single underwater image restoration by blue-green channels dehazing and red channel correction | |
| CN108765342A (zh) | 一种基于改进暗通道的水下图像复原方法 | |
| Lu et al. | Underwater image enhancement using guided trigonometric bilateral filter and fast automatic color correction | |
| 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 | |
| CN109118446B (zh) | 一种水下图像复原及去噪方法 | |
| CN106530257A (zh) | 一种基于暗通道先验模型的遥感图像去雾方法 | |
| 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 | |
| CN107527325B (zh) | 一种基于暗通道优先的单目水下视觉增强方法 | |
| CN111861896A (zh) | 一种面向uuv的水下图像色彩补偿与恢复方法 | |
| CN108921887B (zh) | 基于水下光线衰减先验性的水下场景深度地图估计方法 | |
| CN115578297A (zh) | 一种自适应色彩补偿与细节优化的广义衰减图像增强方法 | |
| CN110930319B (zh) | 基于自适应透射率估计的水下图像清晰化方法 | |
| Peng et al. | Single image restoration using scene ambient light differential | |
| CN114693548B (zh) | 一种基于亮区域检测的暗通道去雾方法 | |
| CN109345479B (zh) | 一种视频监控数据的实时预处理方法及存储介质 | |
| Ueki et al. | Underwater image enhancement based on the iteration of a generalization of dark channel prior | |
| Gadnayak et al. | A survey on image dehazing methods | |
| CN115393209A (zh) | 一种基于多约束先验的贝叶斯Retinex深海图像增强方法 | |
| CN111489302B (zh) | 一种雾气环境下海事图像增强方法 | |
| CN113920136A (zh) | 一种改进的暗通道先验去雾算法 | |
| CN112686825A (zh) | 一种基于fpga的地面浓雾场景灰度图像去雾方法 | |
| Kansal et al. | Fusion based fast de-fogging for foggy images | |
| CN111292263B (zh) | 一种基于颜色校正和去模糊的图像增强方法 | |
| CN116109513B (zh) | 一种基于局部环境光投影恒常先验的图像去雾方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |