CN108053374A - 一种结合双边滤波与Retinex的水下图像增强方法 - Google Patents

一种结合双边滤波与Retinex的水下图像增强方法 Download PDF

Info

Publication number
CN108053374A
CN108053374A CN201711271480.5A CN201711271480A CN108053374A CN 108053374 A CN108053374 A CN 108053374A CN 201711271480 A CN201711271480 A CN 201711271480A CN 108053374 A CN108053374 A CN 108053374A
Authority
CN
China
Prior art keywords
mrow
msub
component
retinex
munderover
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
CN201711271480.5A
Other languages
English (en)
Other versions
CN108053374B (zh
Inventor
徐岩
曾祥波
孙美双
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.)
Tianjin University
Original Assignee
Tianjin 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 Tianjin University filed Critical Tianjin University
Priority to CN201711271480.5A priority Critical patent/CN108053374B/zh
Publication of CN108053374A publication Critical patent/CN108053374A/zh
Application granted granted Critical
Publication of CN108053374B publication Critical patent/CN108053374B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种结合双边滤波与Retinex的水下图像增强方法，包括：将输入图像由RGB色彩空间转换至HSV色彩空间；对于亮度分量，结合双边滤波滤除图像噪声，对去噪后的亮度分量基于高斯中心环绕多尺度Retinex分离出反射分量与照射分量；对于分离出的照射分量，采用伽马校正调整光照得到新的照射分量；基于Retinex理论实现光照分量、与反射分量的融合增强，得到光照不均匀校正后的亮度分量；将增强后亮度分量、与色调分量和饱和度分量重新组合，并变换回RGB色彩空间；计算红绿通道相对于蓝通道灰度值比例，对三通道灰度值重新进行映射；最后对图像R、G、B三通道分别进行直方图均衡化，实现图像对比度增强。本发明有效地去除水下图像存在的蓝绿色偏，提高图像对比度；滤除部分图像噪声，提高图像信噪比。

Description

一种结合双边滤波与Retinex的水下图像增强方法
技术领域
本发明涉及计算机视觉技术中的图像处理领域，尤其涉及一种结合双边滤波与Retinex的水下图像增强方法，尤其是指针对普通摄像机水下拍摄得到的退化图像增强技术。
背景技术
在海洋工程中获取清晰的水下图像是一项重要的技术。诸如海洋生物监测，水下物种观察，以及水下地理与生物环境评估，都需要借助水下成像技术，然而水下成像充满了挑战。目标物体反射回来的光由于水体的散射偏离原来的传播方向，导致水下图像呈现“雾”化效果，图像对比度低；水体对不同波长的光选择性吸收衰减，使得水下图像颜色退化呈现蓝绿色调；人照光源以光源为圆心向四周逐渐衰减传播，水下图像的光照不均匀现象也就无法避免；同时水下成像存在的各种噪声，导致水下图像信噪比低。概括来说，水下图像存在以下的一个或几个问题：有限的成像范围，低对比度，细节模糊，非均匀光照，光晕现象，颜色退化以及噪声[1]。
现有的水下图像处理技术依据其是否考虑水下成像模型，可以分为图像复原方法与图像增强方法。图像复原方法将水下图像处理看成一个逆向求解问题，尝试着估计出水下成像物理参数，采用逆滤波的方法，依据水下成像模型恢复出未退化的水下图像。图像增强方法不依靠水下成像模型，仅仅通过对水下图像的像素操作，期望达到图像视觉效果的提升。由于图像复原方法通常需要特定的条件假设或先验信息，这大大限制了该方法的实用性。
关于水下图像增强方法，国外的研究者Iqbal等人[2]提出了一种基于RGB与HSI色彩空间相结合的无监督水下图像增强方法(以下简称UCM)；Ghani等人[3]提出了一种基于HSI色彩空间的瑞利拉伸的水下图像增强方法。国内发明专利方面，李一兵等人[4](申请号CN201210359018)提出了一种HSV色彩空间与retinex模型相结合的水下图像增强方法；王建等人[5](申请号CN201510598932)提出了一种在YCbCr色彩空间亮度色度分离的水下图像增强方法。
综上所述，现有技术中至少存在以下缺点和不足：
绝大多数水下图像增强方法集中于如何去除水下图像存在的蓝绿色偏和提高图像对比度，忽略了后向散射分量导致的图像信噪比降低，使得增强后的图像虽然主观视觉效果更好，但是也放大了图像噪声。同时没有充分考虑到水下成像过程中水分子和悬浮颗粒对光的选择性吸收导致的图像亮暗分布不均匀，往往容易产生过增强的现象。
参考文献
[1]Raimondo S,Silvia C.Underwater Image Processing:State of the Artof Restoration and Image Enhancement Methods[J].EURASIP Journal on Advancesin Signal Processing,2010,2010(1):746052.
[2]Iqbal K,Odetayo M,James A,et al.＂Enhancing the low quality imagesusing Unsupervised Colour Correction Method＂，IEEE International Conference onSystems,Man and Cybernetics,Istanbul,Turkey,10-13October.DBLP,2010:1703-1709.
[3]Ghani A S A,Isa N A M.Underwater image quality enhancement throughRayleigh-stretching and averaging image planes[J].International Journal ofNaval Architecture&Ocean Engineering,2014,6(4):840-866.
[4]李一兵,付强,叶方，等“基于HSV色彩空间结合Retinex的水下图像增强方法”,申请号:CN201210359018
[5]王建，庞彦伟，郑佳，等“一种基于亮度色度分离的水下图像增强方法”,申请号:CN201510598932
发明内容
本发明针对水下退化图像存在的信噪比低、光照不均匀、颜色退化等问题，提出一种结合双边滤波与Retinex的水下图像增强方法，实现对水下图像视觉效果的改善，详见下文描述：
一种结合双边滤波与Retinex的水下图像增强方法，所述方法包括以下步骤：
将输入图像由RGB色彩空间转换至HSV色彩空间；对于亮度分量，结合双边滤波滤除图像噪声，对去噪后的亮度分量基于多尺度高斯中心环绕函数Retinex分离出反射分量与照射分量；
对于分离出的照射分量，采用伽马校正调整光照得到新的照射分量；
基于Retinex理论实现光照分量、与反射分量的融合增强，得到光照不均匀校正后的亮度分量；
将增强后亮度分量、与色调分量和饱和度分量重新组合，并变换回RGB色彩空间；计算红绿通道相对于蓝通道灰度值比例，对三通道灰度值重新进行映射；
最后对图像R、G、B三通道分别进行直方图均衡化，实现图像对比度增强。
所述基于Retinex理论的照射分量估计如下采用高斯中心环绕函数进行估计，选择大、中、小三个高斯环绕尺度分别为：C1＝64，C2＝128，C3＝256，且三个归一化高斯环绕尺度权重系数相等：W1＝W2＝W3＝1/3；
G(x,y)＝λexp(-(x2+y2)/c2)
∫∫G(x,y)dxdy＝1
其中，R(x,y)表示反射分量；G(x,y)表示高斯环绕函数；V1(x,y)*Gj(x,y)表示照射分量；V1(x,y)表示经过双边滤波去噪后的亮度分量；Gj(x,y)表示任一尺度对应的高斯环绕函数；λ表示高斯环绕函数归一化系数；Wj表示高斯环绕尺度对应的权重系数。
所述采用伽马校正调整光照得到新的照射分量具体为：
其中，W表示白色值；L'表示调整后的光照图：L为retinex分离出来的照射分量；r为伽马值，本发明取值2.2。
所述双边滤波器窗口大小为7×7，定义域核为20，值域核为1。
所述计算红绿通道相对于蓝通道灰度值比例具体为：首先计算R、G、B三通道的灰度平均值：
其中，Ravg、Gavg、Bavg分别表示R、G、B三通道的灰度平均值，M×N表示图像像素个数，IR、IG、IB分别表示R、G、B三通道对应的灰度值。在此基础上，进一步基于蓝色分量对红绿分量灰度值进行映射：
其中，分别表示映射后得到新的灰度值。
本发明提供的技术方案的有益效果是：
1、与现有的水下图像增强算法如Iqbal等人提出的UCM算法、传统的直方图均衡化相比，本发明不仅能够有效地去除水下图像存在的蓝绿色偏，提高图像对比度；而且还能够滤除部分图像噪声，提高图像信噪比；
2、本发明基于Retinex的亮度分量增强处理，很好地解决了水下成像存在的光照不均匀问题；
3、本发明充分地考虑了水下光学成像属性(蓝色光衰减远小于红绿光)，使得处理的图像具有更好的色度、对比度、饱和度平衡性，图像的主观视觉效果更接近自然场景下拍摄的图像特性，有效地避免了图像过增强现象；
4、相对于部分已有的水下图像增强算法(诸如UCM和Ghani等人方法)，本发明无需人工干预调参，自适应实现水下图像颜色校正和亮暗分布不均匀调整。
附图说明
图1为一种结合双边滤波与Retinex的水下图像增强方法的流程图；
图2列出了部分水下图像构造测试样本集及处理结果示例图；
其中，左侧是彩色退化水下图像，右侧为本方法的增强结果图像。
图3为本发明与Iqbal等人提出的UCM方法以及传统的直方图均衡化的处理结果对比图。
其中，第一行是原始退化水下图像，第二行是UCM处理结果，第三行是直方图均衡化处理结果，第四行是本方法处理结果。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。
实施例1
本发明实施例提供了一种结合双边滤波与Retinex的水下图像增强方法，参见图1，该方法包括以下步骤：
101：将输入图像由RGB色彩空间转换至HSV色彩空间；对于亮度分量V，结合双边滤波滤除图像噪声，对去噪后的亮度分量V1基于多尺度高斯中心环绕Retinex分离出反射分量R与照射分量L；
102：对于分离出的照射分量L，采用伽马校正调整光照得到新的照射分量L'；
103：基于Retinex理论实现光照分量、与反射分量的融合增强，得到光照不均匀校正后的亮度分量V2；
104：将增强后亮度分量V2与色调分量H和饱和度分量S重新组合，并变换回RGB色彩空间；
105：计算红绿通道相对于蓝通道灰度值比例，对三通道灰度值重新进行映射；
106：最后对图像R、G、B三通道分别进行直方图均衡化，实现图像对比度增强。
综上所述，本发明实施例通过上述步骤101-步骤106不仅能够有效地去除水下图像存在的蓝绿色偏，提高图像对比度；而且还能够滤除部分图像噪声，提高了图像信噪比。
实施例2
下面结合具体的实例、计算公式对实施例1中的方案进行进一步地介绍，详见下文描述：
201：输入的水下图像亮度分离；
其中，本方法通过将输入的水下彩色图像从RGB色彩空间转换至HSV色彩空间以便分离亮度分量。HSV色彩空间对于用户来说是一种直观的颜色模型，在许多图像编辑工具中应用比较广泛。在HSV色彩空间中，H表示色调分量，S表示饱和度分量，V代表亮度分量。
其中，上述色彩空间转换的步骤为本领域技术人员所公知，本发明实施例对此不做赘述。
202：基于双边滤波的亮度分量去噪；
水下成像过程中，由于水体悬浮颗粒以及环境光的作用，水下图像往往存在噪声。为了避免后续处理的噪声放大，有必要先进行去噪处理。传统的高斯平滑滤波器虽然能在一定程度上滤除噪声，但是也容易导致图像细节的丢失。
基于上述分析，本方法选用双边滤波器对亮度分量V进行平滑处理，双边滤波器在滤除图像噪声的同时能很好地起到保持边缘的作用。本方法选用的双边滤波器窗口大小为7×7，定义域核为20，值域核为1，处理结果用V1表示。
203：基于Retinex理论的光照反射分离；
水下成像过程中，由于水体对光的散射作用以及可能存在的人造光，光照不均匀使得水下图像亮暗分布不均匀。本方法选用多尺度高斯中心环绕函数Retinex模型分离出照射图与反射图，选择大、中、小三个高斯环绕尺度分别为：C1＝64，C2＝128，C3＝256，且三个归一化高斯环绕尺度权重系数相等：W1＝W2＝W3＝1/3。分离出的照射图用L表示，反射图用R表示。
其中，R(x,y)表示反射分量；G(x,y)表示高斯环绕函数；Wj表示高斯环绕尺度对应的权重系数；V1(x,y)表示经过双边滤波去噪后的亮度分量；Gj(x,y)表示任一尺度对应的高斯环绕函数；λ表示高斯环绕函数归一化系数；c表示高斯环绕尺度。
204：基于伽马校正的光照图调整；
使用如下的伽马校正调整光照分量值L，避免产生过增强。式中W表示白色值(W取值在8位的彩色图像中对应255)，L'表示调整后的光照图：
其中，实验表明，γ＝2.2可以达到最优的输出，本方法沿用该值。
205：基于Retinex理论将光照图与反射图进行融合；
将步骤203中分离得到的反射图R与步骤204中得到的伽马校正后的光照图L'，使用下式融合得到新的亮度分量V2：
V2＝L'·R (3)
206：HSV色彩空间转换至RGB色彩空间；
将步骤201得到的色调分量H与饱和度分量S、和步骤205中得到的亮度分量V2组合，并重新变换回RGB色彩空间；
207：基于蓝色通道的灰度值线性映射；
双边滤波去噪和retinex不均匀光照校正后的水下图像仍然存在严重的色彩失真。由于水体对不同波长的选择性吸收衰减，使得水下图像呈现短波长的蓝绿色调。为了校正图像色彩失真的同时不降低图像亮度，考虑基于短波长的蓝通道灰度值对红绿通道灰度值进行线性映射。首先计算R、G、B三通道的灰度平均值：
其中，Ravg、Gavg、Bavg分别表示R、G、B三通道的灰度平均值，M×N表示图像像素个数，IR、IG、IB分别表示R、G、B三通道对应的灰度值。在此基础上，进一步基于蓝色分量对红绿分量灰度值进行映射：
其中，分别表示映射后得到新的灰度值
208：基于直方图均衡化的图像对比度增强。
由于水体对不通波长的光选择性吸收衰减以及存水体中悬浮颗粒的散射衰减，使得水下图像颜色退化对比度低。本方法选用直方图均衡化对得到的新图像R、G、B三通道分别进行对比度增强，得到最终输出的增强后的水下图像。实验表明，直方图均衡化可以起到改善水下图像对比度的效果。
综上所述，本发明实施例通过上述步骤201-步骤208不仅能够有效地去除水下图像存在的蓝绿色偏，提高图像对比度；而且还能够滤除部分图像噪声，提高了图像信噪比。
实施例3
下面结合具体的实例、图2和图3，对实施例1和2中的方案进行可行性验证，详见下文描述：
为了验证本方法的有效性，采用了10幅水下图像构造测试样本集。图2列出了部分处理结果示例，左侧是彩色退化水下图像，右侧为本方法的增强结果图像。对比原始图像，增强图像的蓝绿色调被去除，图像的对比度与细节清晰度均获得了明显的改善，同时有效解决了光照不均匀现象。
图3所示为本方法与Iqbal等人提出的UCM方法以及传统的直方图均衡化的处理结果对比图。其中，第一行是原始退化水下图像，第二行是UCM处理结果，第三行是直方图均衡化处理结果，第四行是本方法处理结果。对比三种方法的处理结果不难发现，本方法处理结果在去噪、不均匀光照处理、色彩校正方面的综合表现要优于其余两种方法的结果。
客观方面，本方法选用信息熵、平均梯度、无参考对比度失真图像评价指标(Noreference of contrast distorted image quality assessment NR-CDIQA)、彩色水下图像质量综合评价指标(Underwater color image quality evaluation UCIQE)对UCM方法、直方图均衡化和本文方法对增强后的图像质量定量评价。表1显示了10幅水下图像构的造测试样本集三种方法处理后的图像客观评价指标平均值。由表1可以看出，本方法处理后的图像四个客观评价指标均为三种方法中的最高值。这说明本方法可以有效地增加图像包含的信息量，改善图像对比度，提升图像细节清晰度，更好地平衡图像的色度、对比度和饱和度，使得复原后的图像主观视觉效果更接近自然场景下拍摄得到的图像。
表1测试样本集客观评价指标平均值
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种结合双边滤波与Retinex的水下图像增强方法，其特征在于，所述方法包括以下步骤：
将输入图像由RGB色彩空间转换至HSV色彩空间；对于亮度分量，结合双边滤波滤除图像噪声，对去噪后的亮度分量基于高斯中心环绕多尺度Retinex分离出反射分量与照射分量；
对于分离出的照射分量，采用伽马校正调整光照得到新的照射分量；
基于Retinex理论实现光照分量、与反射分量的融合增强，得到光照不均匀校正后的亮度分量；
将增强后亮度分量、与色调分量和饱和度分量重新组合，并变换回RGB色彩空间；计算红绿通道相对于蓝通道灰度值比例，对三通道灰度值重新进行映射；
最后对图像R、G、B三通道分别进行直方图均衡化，实现图像对比度增强。
2.根据权利要求1所述的一种结合双边滤波与Retinex的水下图像增强方法，其特征在于，所述对去噪后的亮度分量基于高斯中心环绕多尺度Retinex分离出反射分量与照射分量具体为：
采用高斯中心环绕函数进行估计，选择大、中、小三个高斯环绕尺度分别为：C1＝64，C2＝128，C3＝256，且三个归一化高斯环绕尺度权重系数相等：W1＝W2＝W3＝1/3；
<mrow> <mi>R</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>,</mo> <mi>y</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>3</mn> </munderover> <msub> <mi>W</mi> <mi>j</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>(</mo> <mrow> <msub> <mi>V</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>-</mo> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>(</mo> <mrow> <msub> <mi>V</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>G</mi> <mi>j</mi> </msub> <mrow> <mo>(</mo> <mrow> <mi>x</mi> <mo>,</mo> <mi>y</mi> </mrow> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow>
G(x,y)＝λexp(-(x2+y2)/c2)
∫∫G(x,y)dxdy＝1
其中，R(x,y)表示反射分量；G(x,y)表示高斯环绕函数；V1(x,y)*Gj(x,y)表示照射分量；V1(x,y)表示经过双边滤波去噪后的亮度分量；Gj(x,y)表示任一尺度对应的高斯环绕函数；λ表示高斯环绕函数归一化系数；Wj表示高斯环绕尺度对应的权重系数。
3.根据权利要求1所述的一种结合双边滤波与Retinex的水下图像增强方法，其特征在于，所述采用伽马校正调整光照得到新的照射分量具体为：
<mrow> <msup> <mi>L</mi> <mo>&amp;prime;</mo> </msup> <mo>=</mo> <mi>W</mi> <msup> <mrow> <mo>(</mo> <mfrac> <mi>L</mi> <mi>W</mi> </mfrac> <mo>)</mo> </mrow> <mfrac> <mn>1</mn> <mi>&amp;gamma;</mi> </mfrac> </msup> </mrow>
其中，W表示白色值；L'表示调整后的光照图：L为由retinex分离出来的照射分量；r为伽马值。
4.根据权利要求1所述的一种结合双边滤波与Retinex的水下图像增强方法，其特征在于，所述双边滤波器窗口大小为7×7，定义域核为20，值域核为1。
5.根据权利要求1所述的一种结合双边滤波与Retinex的水下图像增强方法，其特征在于，所述计算红绿通道相对于蓝通道灰度值比例具体为：
首先计算R、G、B三通道的灰度平均值：
<mrow> <msub> <mi>R</mi> <mrow> <mi>a</mi> <mi>v</mi> <mi>g</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>I</mi> <mi>R</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mi>M</mi> <mo>&amp;times;</mo> <mi>N</mi> </mrow> </mfrac> </mrow>
<mrow> <msub> <mi>G</mi> <mrow> <mi>a</mi> <mi>v</mi> <mi>g</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>I</mi> <mi>G</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mi>M</mi> <mo>&amp;times;</mo> <mi>N</mi> </mrow> </mfrac> </mrow>
<mrow> <msub> <mi>B</mi> <mrow> <mi>a</mi> <mi>v</mi> <mi>g</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>I</mi> <mi>B</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mi>M</mi> <mo>&amp;times;</mo> <mi>N</mi> </mrow> </mfrac> </mrow>
其中，Ravg、Gavg、Bavg分别表示R、G、B三通道的灰度平均值，M×N表示图像像素个数，IR、IG、IB分别表示R、G、B三通道对应的灰度值；在此基础上，进一步基于蓝色分量对红绿分量灰度值进行映射：
<mrow> <mover> <msub> <mi>I</mi> <mi>R</mi> </msub> <mo>~</mo> </mover> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <msub> <mi>B</mi> <mrow> <mi>a</mi> <mi>v</mi> <mi>g</mi> </mrow> </msub> <msub> <mi>R</mi> <mrow> <mi>a</mi> <mi>v</mi> <mi>g</mi> </mrow> </msub> </mfrac> <msub> <mi>I</mi> <mi>R</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow>
<mrow> <mover> <msub> <mi>I</mi> <mi>G</mi> </msub> <mo>~</mo> </mover> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <msub> <mi>B</mi> <mrow> <mi>a</mi> <mi>v</mi> <mi>g</mi> </mrow> </msub> <msub> <mi>G</mi> <mrow> <mi>a</mi> <mi>v</mi> <mi>g</mi> </mrow> </msub> </mfrac> <msub> <mi>I</mi> <mi>G</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow>
其中，分别表示映射后得到新的灰度值。
CN201711271480.5A 2017-12-05 2017-12-05 一种结合双边滤波与Retinex的水下图像增强方法 Expired - Fee Related CN108053374B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711271480.5A CN108053374B (zh) 2017-12-05 2017-12-05 一种结合双边滤波与Retinex的水下图像增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711271480.5A CN108053374B (zh) 2017-12-05 2017-12-05 一种结合双边滤波与Retinex的水下图像增强方法

Publications (2)

Publication Number Publication Date
CN108053374A true CN108053374A (zh) 2018-05-18
CN108053374B CN108053374B (zh) 2020-08-04

Family

ID=62122500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711271480.5A Expired - Fee Related CN108053374B (zh) 2017-12-05 2017-12-05 一种结合双边滤波与Retinex的水下图像增强方法

Country Status (1)

Country Link
CN (1) CN108053374B (zh)

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109003238A (zh) * 2018-06-26 2018-12-14 西京学院 一种基于模型与直方图及灰度增强的图像雾霾去除方法
CN109146811A (zh) * 2018-08-14 2019-01-04 长沙全度影像科技有限公司 一种彩色图像的自适应对比度增强方法
CN109738903A (zh) * 2018-12-05 2019-05-10 华南理工大学 一种侧扫声呐实时二维成像方法及系统
CN109767399A (zh) * 2019-01-14 2019-05-17 哈尔滨工程大学 一种基于无监督色彩校正的水下图像增强方法
CN110175969A (zh) * 2019-05-29 2019-08-27 深圳市华星光电技术有限公司 图像处理方法及图像处理装置
CN110175964A (zh) * 2019-05-30 2019-08-27 大连海事大学 一种基于拉普拉斯金字塔的Retinex图像增强方法
CN110189261A (zh) * 2019-04-24 2019-08-30 上海理工大学 一种基于MATLAB的多尺度Retinex图像去雾法
CN110276729A (zh) * 2019-06-10 2019-09-24 浙江工业大学 一种低照度彩色图像的增强方法
CN110706165A (zh) * 2019-09-12 2020-01-17 中国海洋大学 一种基于EME与Mask的水下图像匀光算法
CN110706174A (zh) * 2019-09-27 2020-01-17 集美大学 一种图像增强方法、终端设备及存储介质
CN110766616A (zh) * 2019-09-12 2020-02-07 中国海洋大学 一种基于单尺度Retinex方法的水下图像匀光算法
CN110930341A (zh) * 2019-10-17 2020-03-27 杭州电子科技大学 一种基于图像融合的低光照图像增强方法
CN111210395A (zh) * 2020-01-09 2020-05-29 大连海事大学 基于灰度值映射的Retinex水下图像增强方法
CN111429370A (zh) * 2020-03-23 2020-07-17 煤炭科学技术研究院有限公司 一种煤矿井下的图像增强方法、系统及计算机存储介质
CN111598109A (zh) * 2020-05-07 2020-08-28 国网四川省电力公司电力科学研究院 一种变电站指针仪表读数智能识别方法
CN111968065A (zh) * 2020-10-23 2020-11-20 浙江科技学院 一种亮度不均匀图像的自适应增强方法
CN112446841A (zh) * 2020-12-14 2021-03-05 中国科学院长春光学精密机械与物理研究所 一种自适应图像恢复方法
CN112541869A (zh) * 2020-12-07 2021-03-23 南京工程学院 一种基于matlab实现的Retinex图像去雾方法
CN112801925A (zh) * 2021-01-12 2021-05-14 扬州大学 基于信息熵最大化消除水波纹影响的水下图像增强方法
CN112965083A (zh) * 2021-02-02 2021-06-15 英飞拓(杭州)信息系统技术有限公司 一种智能汽车的多传感信息融合系统
CN113313639A (zh) * 2021-03-03 2021-08-27 辽宁工程技术大学 基于Retinex多层次分解的图像增强方法
CN113313670A (zh) * 2021-05-04 2021-08-27 西北工业大学 一种基于交替方向乘子法的水下光照不均匀图像增强方法
CN113781360A (zh) * 2021-09-27 2021-12-10 朱明辉 基于人工智能的输液装置图像增强方法与系统
CN113888436A (zh) * 2021-10-13 2022-01-04 华南理工大学 大尺寸x射线图像增强方法、装置、电子设备和存储介质
CN114331873A (zh) * 2021-12-07 2022-04-12 南京邮电大学 一种基于区域划分的非均匀光照彩色图像校正方法
CN114723638A (zh) * 2022-04-29 2022-07-08 西安理工大学 基于Retinex模型的极低照度图像增强方法
CN117173642A (zh) * 2023-11-03 2023-12-05 昊金海建设管理有限公司 一种基于大数据的建筑施工视频实时监测预警方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030138161A1 (en) * 2002-01-23 2003-07-24 Rising Hawley K. Method and apparatus for enhancing an image using a wavelet-based retinex algorithm
CN102982514A (zh) * 2012-12-10 2013-03-20 河海大学常州校区 一种暗原色和白平衡相结合的水下彩色图像增强方法
CN104809700A (zh) * 2015-04-16 2015-07-29 北京工业大学 一种基于亮通道的低照度视频实时增强方法
CN105488763A (zh) * 2015-10-30 2016-04-13 北京理工大学 一种适用于水下激光距离选通图像的图像增强方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030138161A1 (en) * 2002-01-23 2003-07-24 Rising Hawley K. Method and apparatus for enhancing an image using a wavelet-based retinex algorithm
CN102982514A (zh) * 2012-12-10 2013-03-20 河海大学常州校区 一种暗原色和白平衡相结合的水下彩色图像增强方法
CN104809700A (zh) * 2015-04-16 2015-07-29 北京工业大学 一种基于亮通道的低照度视频实时增强方法
CN105488763A (zh) * 2015-10-30 2016-04-13 北京理工大学 一种适用于水下激光距离选通图像的图像增强方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
曹静: "浓雾图像去雾算法研究", 《中国优秀硕士学位论文全文数据库.信息科技辑》 *
王晓: "基于Retinex理论的图像颜色校正算法", 《中国优秀硕士学位论文全文数据库.信息科技辑》 *

Cited By (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109003238A (zh) * 2018-06-26 2018-12-14 西京学院 一种基于模型与直方图及灰度增强的图像雾霾去除方法
CN109003238B (zh) * 2018-06-26 2021-06-25 西京学院 一种基于模型与直方图及灰度增强的图像雾霾去除方法
CN109146811A (zh) * 2018-08-14 2019-01-04 长沙全度影像科技有限公司 一种彩色图像的自适应对比度增强方法
WO2020114107A1 (zh) * 2018-12-05 2020-06-11 华南理工大学 一种侧扫声呐实时二维成像方法及系统
CN109738903A (zh) * 2018-12-05 2019-05-10 华南理工大学 一种侧扫声呐实时二维成像方法及系统
CN109767399A (zh) * 2019-01-14 2019-05-17 哈尔滨工程大学 一种基于无监督色彩校正的水下图像增强方法
CN110189261A (zh) * 2019-04-24 2019-08-30 上海理工大学 一种基于MATLAB的多尺度Retinex图像去雾法
CN110175969A (zh) * 2019-05-29 2019-08-27 深圳市华星光电技术有限公司 图像处理方法及图像处理装置
CN110175969B (zh) * 2019-05-29 2021-07-23 Tcl华星光电技术有限公司 图像处理方法及图像处理装置
CN110175964A (zh) * 2019-05-30 2019-08-27 大连海事大学 一种基于拉普拉斯金字塔的Retinex图像增强方法
CN110276729A (zh) * 2019-06-10 2019-09-24 浙江工业大学 一种低照度彩色图像的增强方法
CN110276729B (zh) * 2019-06-10 2021-12-17 浙江工业大学 一种低照度彩色图像的增强方法
CN110766616B (zh) * 2019-09-12 2023-05-09 中国海洋大学 一种基于单尺度Retinex方法的水下图像匀光算法
CN110766616A (zh) * 2019-09-12 2020-02-07 中国海洋大学 一种基于单尺度Retinex方法的水下图像匀光算法
CN110706165B (zh) * 2019-09-12 2023-05-12 中国海洋大学 一种基于EME与Mask的水下图像匀光算法
CN110706165A (zh) * 2019-09-12 2020-01-17 中国海洋大学 一种基于EME与Mask的水下图像匀光算法
CN110706174B (zh) * 2019-09-27 2022-03-18 集美大学 一种图像增强方法、终端设备及存储介质
CN110706174A (zh) * 2019-09-27 2020-01-17 集美大学 一种图像增强方法、终端设备及存储介质
CN110930341A (zh) * 2019-10-17 2020-03-27 杭州电子科技大学 一种基于图像融合的低光照图像增强方法
CN111210395A (zh) * 2020-01-09 2020-05-29 大连海事大学 基于灰度值映射的Retinex水下图像增强方法
CN111210395B (zh) * 2020-01-09 2023-11-10 大连海事大学 基于灰度值映射的Retinex水下图像增强方法
CN111429370A (zh) * 2020-03-23 2020-07-17 煤炭科学技术研究院有限公司 一种煤矿井下的图像增强方法、系统及计算机存储介质
CN111429370B (zh) * 2020-03-23 2023-10-27 煤炭科学技术研究院有限公司 一种煤矿井下的图像增强方法、系统及计算机存储介质
CN111598109B (zh) * 2020-05-07 2022-07-22 国网四川省电力公司电力科学研究院 一种变电站指针仪表读数智能识别方法
CN111598109A (zh) * 2020-05-07 2020-08-28 国网四川省电力公司电力科学研究院 一种变电站指针仪表读数智能识别方法
CN111968065A (zh) * 2020-10-23 2020-11-20 浙江科技学院 一种亮度不均匀图像的自适应增强方法
CN112541869A (zh) * 2020-12-07 2021-03-23 南京工程学院 一种基于matlab实现的Retinex图像去雾方法
CN112446841A (zh) * 2020-12-14 2021-03-05 中国科学院长春光学精密机械与物理研究所 一种自适应图像恢复方法
CN112801925B (zh) * 2021-01-12 2023-08-18 扬州大学 基于信息熵最大化消除水波纹影响的水下图像增强方法
CN112801925A (zh) * 2021-01-12 2021-05-14 扬州大学 基于信息熵最大化消除水波纹影响的水下图像增强方法
CN112965083A (zh) * 2021-02-02 2021-06-15 英飞拓(杭州)信息系统技术有限公司 一种智能汽车的多传感信息融合系统
CN113313639A (zh) * 2021-03-03 2021-08-27 辽宁工程技术大学 基于Retinex多层次分解的图像增强方法
CN113313670B (zh) * 2021-05-04 2024-02-02 西北工业大学 一种基于交替方向乘子法的水下光照不均匀图像增强方法
CN113313670A (zh) * 2021-05-04 2021-08-27 西北工业大学 一种基于交替方向乘子法的水下光照不均匀图像增强方法
CN113781360B (zh) * 2021-09-27 2023-10-20 牟宗勇 基于人工智能的输液装置图像增强方法与系统
CN113781360A (zh) * 2021-09-27 2021-12-10 朱明辉 基于人工智能的输液装置图像增强方法与系统
CN113888436A (zh) * 2021-10-13 2022-01-04 华南理工大学 大尺寸x射线图像增强方法、装置、电子设备和存储介质
CN113888436B (zh) * 2021-10-13 2024-04-30 华南理工大学 大尺寸x射线图像增强方法、装置、电子设备和存储介质
CN114331873A (zh) * 2021-12-07 2022-04-12 南京邮电大学 一种基于区域划分的非均匀光照彩色图像校正方法
CN114331873B (zh) * 2021-12-07 2024-04-19 南京邮电大学 一种基于区域划分的非均匀光照彩色图像校正方法
CN114723638A (zh) * 2022-04-29 2022-07-08 西安理工大学 基于Retinex模型的极低照度图像增强方法
CN114723638B (zh) * 2022-04-29 2023-03-10 西安理工大学 基于Retinex模型的极低照度图像增强方法
CN117173642A (zh) * 2023-11-03 2023-12-05 昊金海建设管理有限公司 一种基于大数据的建筑施工视频实时监测预警方法
CN117173642B (zh) * 2023-11-03 2024-02-02 昊金海建设管理有限公司 一种基于大数据的建筑施工视频实时监测预警方法

Also Published As

Publication number Publication date
CN108053374B (zh) 2020-08-04

Similar Documents

Publication Publication Date Title
CN108053374A (zh) 一种结合双边滤波与Retinex的水下图像增强方法
CN112288658B (zh) 一种基于多残差联合学习的水下图像增强方法
CN111161170B (zh) 一种用于目标识别的水下图像综合增强方法
CN107507145B (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
CN102663697B (zh) 一种水下彩色视频图像的增强方法
CN107886486A (zh) 基于暗通道先验与变分Retinex水下图像增强方法
CN111415304A (zh) 基于级联深度网络的水下视觉增强方法和装置
CN107316278A (zh) 一种水下图像清晰化处理方法
CN104318529A (zh) 处理在恶劣环境中所拍摄低照度图像的方法
CN104766285A (zh) 一种水下降质图像的自适应增强方法
CN106485674A (zh) 一种基于融合技术的弱光图像增强方法
Sanila et al. Underwater image enhancement using white balance, USM and CLHE
Chen et al. Underwater image enhancement based on color balance and multi-scale fusion
Dileep et al. A comparison between different colour image contrast enhancement algorithms
Mohapatra et al. Histogram equalization and noise removal process for enhancement of image
Yin et al. Multiscale fusion algorithm for underwater image enhancement based on color preservation
Sowmyashree et al. A Survey on the various underwater image enhancement techniques
Terai et al. Color image contrast enhancement by retinex model
CN113012067B (zh) 基于Retinex理论和端到端深度网络的水下图像复原方法
Fan et al. Underwater image enhancement algorithm combining color correction and multi-scale fusion
Hsieh et al. Hue-preserving image enhancement via complementary enhancing terms
Sujitha et al. Underwater image enhancement by Multiscale fusion technique and Dehazing
Tang et al. Underwater image quality assessment based on human visual system
Sajeevu et al. Visibility Driven Contrast Enhanced Surgical Defogging
Awang et al. Class 1 and Class 2 Underwater Image Enhancement and Restoration Under Turbidity Conditions

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200804

Termination date: 20201205

CF01 Termination of patent right due to non-payment of annual fee