CN108648160A - 一种水下海参图像去雾增强方法及系统 - Google Patents
一种水下海参图像去雾增强方法及系统 Download PDFInfo
- Publication number
- CN108648160A CN108648160A CN201810456335.2A CN201810456335A CN108648160A CN 108648160 A CN108648160 A CN 108648160A CN 201810456335 A CN201810456335 A CN 201810456335A CN 108648160 A CN108648160 A CN 108648160A
- Authority
- CN
- China
- Prior art keywords
- image
- sea cucumber
- preliminary treatment
- defogging
- underwater sea
- 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
Links
- 241000251511 Holothuroidea Species 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 77
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000001914 filtration Methods 0.000 claims description 14
- 239000004615 ingredient Substances 0.000 claims description 10
- 239000003595 mist Substances 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 5
- 230000001052 transient effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims 1
- 230000002708 enhancing effect Effects 0.000 abstract description 29
- 230000000694 effects Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 22
- 238000005286 illumination Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 235000021120 animal protein Nutrition 0.000 description 1
- 238000000889 atomisation Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 235000004213 low-fat Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 235000018102 proteins Nutrition 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 150000003722 vitamin derivatives Chemical class 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration by non-spatial domain filtering
-
- 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
Abstract
本发明提供一种水下海参图像去雾增强方法及系统,所述方法包括:基于暗通道优先算法对目标水下海参图像进行去雾处理,获取初步处理图像;基于Retinex算法对所述初步处理图像进行处理,获取所述初步处理图像的反射图像;基于HSV空间色彩增强算法对所述反射图像进行色彩增强处理,获取去雾增强后的目标水下海参图像。本发明在增强目标水下海参图像的鲜艳度的同时,避免色彩失真,解决了伪影、色彩失真和噪声放大等问题,且无需先验知识就可实现目标水下海参图像的去雾增强。
Description
技术领域
本发明属于图像处理技术领域,更具体地,涉及一种水下海参图像去雾增强方法及系统。
背景技术
海参中蕴含着丰富的蛋白质和维生素,具有低脂肪和营养平衡性好等特点,成为人们摄取优质动物性蛋白质的重要来源。海参的形状、尺寸、颜色及纹理等视觉属性在海参养殖中起着重要的作用。其不仅能反映海参的基本生长情况,还可以为海参的投喂、捕捞和分级等提供依据。
运用计算机视觉技术获取生物的相关信息成为国内技术发展趋势,它不仅能有效地降低人力物力,还可以快速准确地计算得到生物的各种统计信息,为生物高效、经济地养殖提供依据。在基于视觉技术获取海参的相关信息时,由于光线的散射、吸收效应以及水下气泡和悬浮物的干扰,使采集到的水下海参图像雾化严重、颜色失真等,从而制约了水下视觉技术的发展和应用。因此在根据水下海参图像获取海参的相关信息之前需要对水下海参图像进行去雾增强,以提高水下海参图像的视觉质量。
传统的水下海参图像去雾增强方法有对比增强技术和直方图均衡化等,然而这些方法往往会导致水下海参图像过度增强和白化,从而使得水下海参图像去雾增强效果差。
发明内容
为克服上述现有的数组数据结构恢复方法费时费力,且容易产生错误的问题或者至少部分地解决上述问题,本发明提供一种水下海参图像去雾增强方法及系统。
根据本发明的第一方面,提供一种水下海参图像去雾增强方法,包括:
基于暗通道优先算法对目标水下海参图像进行去雾处理,获取初步处理图像;
基于Retinex算法对所述初步处理图像进行处理,获取所述初步处理图像的反射图像;
基于HSV空间色彩增强算法对所述反射图像进行色彩增强处理,获取去雾增强后的目标水下海参图像。
具体地,通过以下公式基于暗通道优先算法对目标水下海参图像进行去雾处理,获取初步处理图像:
其中,J(x)为所述初步处理图像,I(x)为所述目标水下海参图像,A为全球大气光成分,t(x)为透射率,t0为预设阈值,为t(x)的预估值,ω为调整参数,c∈{r,g,b},Ic(y)为所述目标水下海参图像的各通道,Ac为各通道对应的全球大气光成分,Ω(x)表示以像素x为中心的一个窗口。
具体地,所述初步处理图像为RGB格式;
相应地,在基于Retinex算法对所述初步处理图像进行处理的步骤之前还包括:
将所述初步处理图像转换为HSV格式;
调整HSV格式的所述初步处理图像中的V分量以提高所述初步处理图像的亮度;
将HSV格式的所述初步处理图像重新转换为RGB格式。
具体地,通过以下公式基于Retinex算法对所述初步处理图像进行处理,获取所述初步处理图像的反射图像:
R(x,y)=exp(logS(x,y)-logL(x,y));
L(x,y)=S(x,y)*F(x,y);
其中,R(x,y)为所述反射图像,S(x,y)为所述初步处理图像,F(x,y)为高斯滤波函数,L(x,y)为所述初步处理图像的光照图像,(x,y)为像素坐标。
具体地,所述反射图像为RGB格式;
相应地,在基于HSV空间色彩增强算法对所述反射图像进行处理的步骤之前还包括:
将所述反射图像转换为HSV格式;
调整HSV格式的所述反射图像中的S分量以提高所述反射图像的饱和度。
具体地,通过以下公式基于HSV空间色彩增强算法对所述反射图像进行色彩增强处理,获取去雾增强后的目标水下海参图像:
其中,RHSV(x,y)为HSV格式的所述去雾增强后的目标水下海参图像,M为增益系数,N为尺度总个数,wn为第n个尺度对应的权值,Is(x,y)为HSV格式的所述反射图像,Fn(x,y)为第n个尺度对应的高斯滤波函数,b为偏移量。
具体地,将HSV格式的所述初步处理图像重新转换为RGB格式的步骤之后还包括:
基于加权平均滤波算法对调整后的所述初步处理图像进行处理。
根据本发明第二方面提供一种水下海参图像去雾增强系统,包括:
第一处理模块,用于基于暗通道优先算法对目标水下海参图像进行处理,获取初步处理图像;
第二处理模块,用于基于Retinex算法对所述初步处理图像进行处理,获取所述初步处理图像的反射图像;
第三处理模块,用于基于HSV空间色彩增强算法对所述反射图像进行处理,获取去雾增强后的目标水下海参图像。
根据本发明的第三方面,提供一种水下海参图像去雾增强设备,包括:
至少一个处理器、至少一个存储器和总线;其中,
所述处理器和存储器通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如前所述的方法。
根据本发明的第四方面,提供一种非暂态计算机可读存储介质,用于存储如前所述方法的计算机程序。
本发明提供一种水下海参图像去雾增强方法及系统,该方法通过先基于暗通道优先算法对目标水下海参图像进行初步去雾增强,然后基于Retinex算法对初步去雾增强的结果除去光照影响,获取初步处理结果的反射图像,最后基于HSV空间色彩增强算法对反射图像进行色彩增强,从而在增强目标水下海参图像的鲜艳度的同时,避免色彩失真,解决了伪影、色彩失真和噪声放大等问题,且无需先验知识就可实现目标水下海参图像的去雾增强。
附图说明
图1为本发明实施例提供的水下海参图像去雾增强方法整体流程示意图;
图2为本发明实施例提供的水下海参图像去雾增强方法中单只海参图像去雾增强效果对比示意图;其中,a为原始图像,b为本实施例效果示意图,c为高斯模糊方法效果示意图,d为暗通道优先方法效果示意图,e为自适应直方图均衡方法效果示意图,f为自适应色彩比例和对比度方法效果示意图,g为直方图均衡方法效果示意图,h为多尺度Retinex方法效果示意图;
图3为本发明实施例提供的水下海参图像去雾增强方法中多只海参图像去雾增强效果对比示意图;其中,a为原始图像,b为本实施例效果示意图,c为高斯模糊方法效果示意图,d为暗通道优先方法效果示意图,e为自适应直方图均衡方法效果示意图,f为自适应色彩比例和对比度方法效果示意图,g为直方图均衡方法效果示意图,h为多尺度Retinex方法效果示意图;
图4为本发明实施例提供的水下海参图像去雾增强系统整体结构示意图;
图5为本发明实施例提供的水下海参图像去雾增强设备整体结构示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
在本发明的一个实施例中提供一种水下海参图像去雾增强方法,图1为本发明实施例提供的水下海参图像去雾增强方法整体流程示意图,该方法包括:S101,基于暗通道优先算法对目标水下海参图像进行去雾处理,获取初步处理图像;
其中,暗通道优先算法是一种统计意义上的去雾算法。目标水下海参图像为待去雾增强的水下海参图像,为RGB格式的彩色图像。在绝大多数非天空的局部区域里,某些像素总会有至少一个颜色通道具有很低的值。即该区域光强度的最小值是个很小的数,对于任意的输入图像J,其暗通道可以用以下公式表达:
其中,Jc表示输入图像J的每个通道,Ω(x)表示以像素x为中心的一个窗口。首先求出每个像素的r、g和b分量中的最小值,存入一张和输入图像J大小相同的灰度图中,然后再对这幅灰度图进行最小值滤波,滤波的半径由窗口大小决定,一般有WindowSize=2*Radius+1,WindowSize为窗口大小,Radius为滤波半径。暗通道先验的理论指出:
Jdark→0.
在计算机视觉和计算机图形中,一般使用以下公式描述雾图形成模型:
I(x)=J(x)t(x)+A(1-t(x));
其中,I(x)为待去雾图像,J(x)为恢复后的无雾图像,A为全球大气光成分,t(x)为透射率。已知条件为I(x),需要获取J(x)。为了获取从J(x),需要获取t(x)和A。对于透射率的计算,当大气中物质为同质时,透射率t可以被表达为:
t(x)=ex-βd(x);
其中,β是大气散射参数,d是景深。
本实施例中使用暗通道优先算法对目标水下海参图像进行初步的去雾增强,将初步去雾增强的目标水下海参图像作为初步处理图像。
S102,基于Retinex算法对初步处理图像进行处理,获取所述初步处理图像的反射图像;
其中,Retinex算法的基本思想是人感知到某点的颜色和亮度并不仅仅取决于该点进入人眼的绝对光线,还和其周围的颜色和亮度有关。Retinex算法的基本假设为原始图像S是光照图像L和反射图像R的乘积,即可通过以下公式表示:
S(x,y)=R(x,y)*L(x,y);
基于Retinex算法的图像增强的目的是从原始图像S中估计出光照图像L,从而分解出反射图像R,从而消除光照不均匀的影响,以改善图像的视觉效果。本实施例中基于Retinex算法对初步处理图像进行进一步处理,从而实现对目标水下海参图像的进一步增强。
S103,基于HSV空间色彩增强算法对所述反射图像进行色彩增强处理,获取去雾增强后的目标水下海参图像。
其中,HSV空间色彩增强算法用于在HSV空间下对反射图像的色彩进行增强,从而增强目标水下海参图像的鲜艳度,同时避免色彩失真。本实施例不限于HSV空间色彩增强算法的种类。
本实施例通过先基于暗通道优先算法对目标水下海参图像进行初步去雾增强,然后基于Retinex算法对初步去雾增强的结果除去光照影响,获取初步处理结果的反射图像,最后基于HSV空间色彩增强算法对反射图像进行色彩增强,从而在增强目标水下海参图像的鲜艳度的同时,避免色彩失真,解决了伪影、色彩失真和噪声放大等问题,且无需先验知识就可实现目标水下海参图像的去雾增强。
在上述实施例的基础上,本实施例中所述步骤S101通过以下公式基于暗通道优先算法对目标水下海参图像进行去雾处理,获取初步处理图像:
其中,J(x)为初步处理图像,I(x)为目标水下海参图像,A为全球大气光成分,t(x)为透射率,t0为预设阈值,为t(x)的预估值,ω为调整参数,c∈{r,g,b},Ic(y)为目标水下海参图像的各通道,Ac为各通道对应的全球大气光成分,Ω(x)表示以像素x为中心的一个窗口。
具体地,对雾图形成模型的公式进行变形,可以得到:
当投射率t(x)的值很小时,J(x)的值会很大,总而使得图像过度白化。因此通过设置预设阈值t0。当t(x)小于t0时,透射率为t0,因此最终的恢复公式为:
其中,t(x)的预估值为:
其中,ω为0时表示不去雾,ω为1时表示全部去雾,ω一般取0到1之间的值,如0.9。
在上述实施例的基础上,本实施例中所述初步处理图像为RGB格式;相应地,在基于Retinex算法对所述初步处理图像进行处理的步骤之前还包括:将RGB格式的初步处理图像转换为HSV格式;调整HSV格式的初步处理图像中的V分量以提高所述初步处理图像的亮度;将HSV格式的所述初步处理图像转换为RGB格式。
其中,基于暗通道优先算法对RGB格式的目标水下海参图像进行处理获取的初步处理图像也为RGB格式,将初步处理图像转换为HSV格式。调整HSV格式的初步处理图像中的V分量,以提高初步处理图像的亮度。将调整后的初步处理图像重新转换为RGB格式。
在上述实施例的基础上,本实施例中所述步骤S102通过以下公式基于Retinex算法对所述初步处理图像进行处理,获取所述初步处理图像的反射图像:
R(x,y)=exp(logS(x,y)-logL(x,y));
L(x,y)=S(x,y)*F(x,y);
其中,R(x,y)为所述反射图像,S(x,y)为所述初步处理图像,F(x,y)为高斯滤波函数,L(x,y)为所述初步处理图像的光照图像,(x,y)为像素坐标。
具体地,假设为初步处理图像S是光照图像L和反射图像R的乘积,即可通过以下公式表示:
S(x,y)=R(x,y)*L(x,y);
将以上公式的等号两边取对数,可以得到:
logS(x,y)=logR(x,y)+logL(x,y);
将反射图像R假设地估计为空间平滑图像,用高斯模板对初步处理图像进行卷积运算,得到低通滤波后的图像D(x,y),即:
D(x,y)=logL(x,y)=log[S(x,y)*F(x,y)];
用初步处理图像减去低通滤波后的图像,得到高频增强图像G(x,y),即:
G(x,y)=logR(x,y)=logS(x,y)-logL(x,y)=logS(x,y)-log[S(x,y)*F(x,y)];
对G(x,y)取反对数,得到反射图像R(x,y),即:
R(x,y)=exp G(x,y)=exp(logS(x,y)-log[S(x,y)*F(x,y)]).
在上述各实施例的基础上,本实施例中所述反射图像为RGB格式;
相应地,在基于HSV空间色彩增强算法对所述反射图像进行处理的步骤之前还包括:将RGB格式的反射图像转换为HSV格式;调整HSV格式的反射图像中的S分量以提高反射图像的饱和度。
具体地,初步处理图像为RGB格式,基于Retinex算法对初步处理图像进行处理获取的反射图像为RGB格式。将RGB格式的反射图像转换为HSV格式。调整HSV格式的反射图像中的S分量,从而提高反射图像的饱和度。
在上述各实施例的基础上,本实施例中所述步骤S103通过以下公式基于HSV空间色彩增强算法对所述反射图像进行色彩增强处理,获取去雾增强后的目标水下海参图像:
其中,RHSV(x,y)为HSV格式的去雾增强后的目标水下海参图像,M为增益系数,N为尺度总个数,wn为第n个尺度对应的权值,Is(x,y)为HSV格式的反射图像,Fn(x,y)为第n个尺度对应的高斯滤波函数,b为偏移量。
具体地,将获取的HSV格式的去雾增强后的目标水下海参图像转换为RGB格式,从而实现对目标水下海参图像的去雾增强。增益系数M一般取值为1,偏移量b一般取值为0。
在上述实施例的基础上,本实施例中将HSV格式的初步处理图像转换为RGB格式的步骤之后还包括:基于加权平均滤波算法对调整后的初步处理图像进行处理。
其中,加权平均滤波算法是指对于调整后的初步处理图像,采用滑动窗口的方式,计算窗口中各像素与相应权重的加权平均值,将窗口中各像素的值替换为加权平均值。在调整HSV格式的初步处理图像中的V值后,使用加权平均滤波算法对调整后的初步处理图像进行处理,从而保留初步处理图像的反射属性。
图2为单只水下海参图像的去雾效果对比图,图3为多只水下海参图像的去雾效果对比图,在单只和多只水下海参图像的去雾增强视觉效果上本实施例比其他方法效果好。对采集的100张水下海参图像分别采用不同方法进行去雾增强,采用MSE(Mean SquaredError,均方误差)、ENL(Equivalent Number of Looks,等效视数)、Entropy(信息熵)和SNR(Signal-to-noise Ratio,信噪比)评价指标对各方法的去雾增强效果进行评价。从表1可以看出本实施例的MSE、ENL和SNR较低,Entropy较高,综合各评价指标可以得出本实施例比其他方法的去雾增强效果好。
表1不同方法的去雾增强效果评价指标
方法 | MSE | ENL | Entropy | SNR |
本发明实施例 | 1.98 | 14.40 | 6.96 | -14.92 |
高斯模糊 | 9.88 | 43.11 | 6.84 | -9.08 |
暗通道优先 | 6.11 | 45.92 | 6.24 | -11.63 |
自适应直方图均衡 | 3.54 | 158.38 | 5.86 | -3.40 |
自适应色彩比例和对比度 | 30.47 | 71.01 | 6.87 | -6.42 |
直方图均衡 | 34.50 | 3.01 | 6.65 | -16.65 |
多尺度Retinex | 2.25 | 27.16 | 6.45 | -14.29 |
在本发明的另一个实施例中提供一种水下海参图像去雾增强系统,图4为本发明实施例提供的水下海参图像去雾增强系统整体结构示意图,该系统包括第一处理模块1、第二处理模块2和第三处理模块3;其中:
第一处理模块1用于基于暗通道优先算法对目标水下海参图像进行去雾处理,获取初步处理图像;
其中,暗通道优先算法是一种统计意义上的去雾算法。目标水下海参图像为待去雾增强的水下海参图像,为RGB格式的彩色图像。在绝大多数非天空的局部区域里,某些像素总会有至少一个颜色通道具有很低的值。即该区域光强度的最小值是个很小的数,对于任意的输入图像J,其暗通道可以用以下公式表达:
其中,Jc表示输入图像J的每个通道,Ω(x)表示以像素x为中心的一个窗口。首先求出每个像素的r、g和b分量中的最小值,存入一张和输入图像J大小相同的灰度图中,然后再对这幅灰度图进行最小值滤波,滤波的半径由窗口大小决定,一般有WindowSize=2*Radius+1,WindowSize为窗口大小,Radius为滤波半径。暗通道先验的理论指出:
Jdark→0.
在计算机视觉和计算机图形中,一般使用以下公式描述雾图形成模型:
I(x)=J(x)t(x)+A(1-t(x));
其中,I(x)为待去雾图像,J(x)为恢复后的无雾图像,A为全球大气光成分,t(x)为透射率。已知条件为I(x),需要获取J(x)。为了获取从J(x),需要获取t(x)和A。对于透射率的计算,当大气中物质为同质时,透射率t可以被表达为:
t(x)=ex-βd(x);
其中,β是大气散射参数,d是景深。
本实施例中第一处理模块1使用暗通道优先算法对目标水下海参图像进行初步的去雾增强,将初步去雾增强的目标水下海参图像作为初步处理图像。
第二处理模块2用于基于Retinex算法对所述初步处理图像进行处理,获取所述初步处理图像的反射图像;
其中,Retinex算法的基本思想是人感知到某点的颜色和亮度并不仅仅取决于该点进入人眼的绝对光线,还和其周围的颜色和亮度有关。Retinex算法的基本假设为原始图像S是光照图像L和反射图像R的乘积,即可通过以下公式表示:
S(x,y)=R(x,y)*L(x,y);
基于Retinex算法的图像增强的目的是从原始图像S中估计出光照图像L,从而分解出反射图像R,从而消除光照不均匀的影响,以改善图像的视觉效果。本实施例中第二处理模块2基于Retinex算法对初步处理图像进行进一步处理,从而实现对目标水下海参图像的进一步增强。
第三处理模块3用于基于HSV空间色彩增强算法对所述反射图像进行色彩增强处理,获取去雾增强后的目标水下海参图像。
其中,HSV空间色彩增强算法用于在HSV空间下对反射图像的色彩进行增强,从而增强目标水下海参图像的鲜艳度,同时避免色彩失真。本实施例不限于HSV空间色彩增强算法的种类。
本实施例通过先基于暗通道优先算法对目标水下海参图像进行初步去雾增强,然后基于Retinex算法对初步去雾增强的结果除去光照影响,获取初步处理结果的反射图像,最后基于HSV空间色彩增强算法对反射图像进行色彩增强,从而在增强目标水下海参图像的鲜艳度的同时,避免色彩失真,解决了伪影、色彩失真和噪声放大等问题,且无需先验知识就可实现目标水下海参图像的去雾增强。
在上述实施例的基础上,本实施例中第一处理模块具体用于通过以下公式基于暗通道优先算法对目标水下海参图像进行去雾处理,获取初步处理图像:
其中,J(x)为初步处理图像,I(x)为目标水下海参图像,A为全球大气光成分,t(x)为透射率,t0为预设阈值,为t(x)的预估值,ω为调整参数,c∈{r,g,b},Ic(y)为目标水下海参图像的各通道,Ac为各通道对应的全球大气光成分,Ω(x)表示以像素x为中心的一个窗口。
在上述实施例的基础上,本实施例中还包括第一调整模块,用于将RGB格式的初步处理图像转换为HSV格式;调整HSV格式的初步处理图像中的V分量以提高所述初步处理图像的亮度;将HSV格式的所述初步处理图像转换为RGB格式。
在上述实施例的基础上,本实施例中第二处理模块具体用于通过以下公式基于Retinex算法对所述初步处理图像进行处理,获取所述初步处理图像的反射图像:
R(x,y)=exp(logS(x,y)-logL(x,y));
L(x,y)=S(x,y)*F(x,y);
其中,R(x,y)为所述反射图像,S(x,y)为所述初步处理图像,F(x,y)为高斯滤波函数,L(x,y)为所述初步处理图像的光照图像,(x,y)为像素坐标。
在上述各实施例的基础上,本实施例中还包括第二调整模块,用于将RGB格式的反射图像转换为HSV格式;调整HSV格式的反射图像中的S分量以提高反射图像的饱和度。
在上述各实施例的基础上,本实施例中第三处理模块具体用于通过以下公式基于HSV空间色彩增强算法对所述反射图像进行色彩增强处理,获取去雾增强后的目标水下海参图像:
其中,RHSV(x,y)为HSV格式的去雾增强后的目标水下海参图像,M为增益系数,N为尺度总个数,wn为第n个尺度对应的权值,Is(x,y)为HSV格式的反射图像,Fn(x,y)为第n个尺度对应的高斯滤波函数,b为偏移量。
在上述实施例的基础上,本实施例中还包括第四处理模块用于:基于加权平均滤波算法对调整后的初步处理图像进行处理。
本实施例提供一种水下海参图像去雾增强设备,图5为本发明实施例提供的水下海参图像去雾增强设备整体结构示意图,该设备包括:至少一个处理器51、至少一个存储器52和总线53;其中,
处理器51和存储器52通过总线53完成相互间的通信;
存储器52存储有可被处理器51执行的程序指令,所述处理器调用所述程序指令能够执行上述各方法实施例所提供的方法,例如包括:基于暗通道优先算法对目标水下海参图像进行去雾处理,获取初步处理图像;基于Retinex算法对所述初步处理图像进行处理,获取所述初步处理图像的反射图像;基于HSV空间色彩增强算法对所述反射图像进行色彩增强处理,获取去雾增强后的目标水下海参图像。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:基于暗通道优先算法对目标水下海参图像进行去雾处理,获取初步处理图像;基于Retinex算法对所述初步处理图像进行处理,获取所述初步处理图像的反射图像;基于HSV空间色彩增强算法对所述反射图像进行色彩增强处理,获取去雾增强后的目标水下海参图像。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的水下海参图像去雾增强设备实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后,本申请的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。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 (10)
1.一种水下海参图像去雾增强方法,其特征在于,包括:
基于暗通道优先算法对目标水下海参图像进行去雾处理,获取初步处理图像;
基于Retinex算法对所述初步处理图像进行处理,获取所述初步处理图像的反射图像;
基于HSV空间色彩增强算法对所述反射图像进行色彩增强处理,获取去雾增强后的目标水下海参图像。
2.根据权利要求1所述的方法,其特征在于,通过以下公式基于暗通道优先算法对目标水下海参图像进行去雾处理,获取初步处理图像:
其中,J(x)为所述初步处理图像,I(x)为所述目标水下海参图像,A为全球大气光成分,t(x)为透射率,t0为预设阈值,为t(x)的预估值,ω为调整参数,c∈{r,g,b},Ic(y)为所述目标水下海参图像的各通道,Ac为各通道对应的全球大气光成分,Ω(x)表示以像素x为中心的一个窗口。
3.根据权利要求1所述的方法,其特征在于,所述初步处理图像为RGB格式;
相应地,在基于Retinex算法对所述初步处理图像进行处理的步骤之前还包括:
将所述初步处理图像转换为HSV格式;
调整HSV格式的所述初步处理图像中的V分量以提高所述初步处理图像的亮度;
将HSV格式的所述初步处理图像重新转换为RGB格式。
4.根据权利要求1所述的方法,其特征在于,通过以下公式基于Retinex算法对所述初步处理图像进行处理,获取所述初步处理图像的反射图像:
R(x,y)=exp(logS(x,y)-logL(x,y));
L(x,y)=S(x,y)*F(x,y);
其中,R(x,y)为所述反射图像,S(x,y)为所述初步处理图像,F(x,y)为高斯滤波函数,L(x,y)为所述初步处理图像的光照图像,(x,y)为像素坐标。
5.根据权利要求1-4任一所述的方法,其特征在于,所述反射图像为RGB格式;
相应地,在基于HSV空间色彩增强算法对所述反射图像进行处理的步骤之前还包括:
将所述反射图像转换为HSV格式;
调整HSV格式的所述反射图像中的S分量以提高所述反射图像的饱和度。
6.根据权利要求1-4任一所述的方法,其特征在于,通过以下公式基于HSV空间色彩增强算法对所述反射图像进行色彩增强处理,获取去雾增强后的目标水下海参图像:
其中,RHSV(x,y)为HSV格式的所述去雾增强后的目标水下海参图像,M为增益系数,N为尺度总个数,wn为第n个尺度对应的权值,Is(x,y)为HSV格式的所述反射图像,Fn(x,y)为第n个尺度对应的高斯滤波函数,b为偏移量。
7.根据权利要求3所述的方法,其特征在于,将HSV格式的所述初步处理图像重新转换为RGB格式的步骤之后还包括:
基于加权平均滤波算法对调整后的所述初步处理图像进行处理。
8.一种水下海参图像去雾增强系统,其特征在于,包括:
第一处理模块,用于基于暗通道优先算法对目标水下海参图像进行去雾处理,获取初步处理图像;
第二处理模块,用于基于Retinex算法对所述初步处理图像进行处理,获取所述初步处理图像的反射图像;
第三处理模块,用于基于HSV空间色彩增强算法对所述反射图像进行色彩增强处理,获取去雾增强后的目标水下海参图像。
9.一种水下海参图像去雾增强设备,其特征在于,包括:
至少一个处理器、至少一个存储器和总线;其中,
所述处理器和存储器通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810456335.2A CN108648160B (zh) | 2018-05-14 | 2018-05-14 | 一种水下海参图像去雾增强方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810456335.2A CN108648160B (zh) | 2018-05-14 | 2018-05-14 | 一种水下海参图像去雾增强方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108648160A true CN108648160A (zh) | 2018-10-12 |
CN108648160B CN108648160B (zh) | 2021-01-15 |
Family
ID=63755183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810456335.2A Active CN108648160B (zh) | 2018-05-14 | 2018-05-14 | 一种水下海参图像去雾增强方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108648160B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919872A (zh) * | 2019-03-06 | 2019-06-21 | 山东大学 | 一种图像复原方法、系统、可读存储介质及计算机设备 |
CN111866516A (zh) * | 2020-06-24 | 2020-10-30 | 北京航空航天大学 | 一种灰度视频的实时图像增强装置及方法 |
CN112381723A (zh) * | 2020-09-21 | 2021-02-19 | 清华大学 | 一种轻量高效的单幅图像去烟雾方法 |
CN116310276A (zh) * | 2023-05-24 | 2023-06-23 | 泉州装备制造研究所 | 目标检测方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130071043A1 (en) * | 2011-09-08 | 2013-03-21 | Fujitsu Limited | Image defogging method and system |
CN104318524A (zh) * | 2014-10-15 | 2015-01-28 | 烟台艾睿光电科技有限公司 | 一种基于YCbCr色彩空间的图像增强方法、装置及系统 |
CN104537615A (zh) * | 2014-12-04 | 2015-04-22 | 大连理工大学 | 一种基于HSV色彩空间的局部Retinex增强算法 |
CN106157267A (zh) * | 2016-07-12 | 2016-11-23 | 中国科学技术大学 | 一种基于暗通道先验的图像去雾透射率优化方法 |
CN106548463A (zh) * | 2016-10-28 | 2017-03-29 | 大连理工大学 | 基于暗通道与Retinex的海雾图像自动去雾方法及系统 |
-
2018
- 2018-05-14 CN CN201810456335.2A patent/CN108648160B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130071043A1 (en) * | 2011-09-08 | 2013-03-21 | Fujitsu Limited | Image defogging method and system |
CN104318524A (zh) * | 2014-10-15 | 2015-01-28 | 烟台艾睿光电科技有限公司 | 一种基于YCbCr色彩空间的图像增强方法、装置及系统 |
CN104537615A (zh) * | 2014-12-04 | 2015-04-22 | 大连理工大学 | 一种基于HSV色彩空间的局部Retinex增强算法 |
CN106157267A (zh) * | 2016-07-12 | 2016-11-23 | 中国科学技术大学 | 一种基于暗通道先验的图像去雾透射率优化方法 |
CN106548463A (zh) * | 2016-10-28 | 2017-03-29 | 大连理工大学 | 基于暗通道与Retinex的海雾图像自动去雾方法及系统 |
Non-Patent Citations (1)
Title |
---|
赵荣椿等: "《数字图像处理》", 30 April 2016, 西北工业大学出版社 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919872A (zh) * | 2019-03-06 | 2019-06-21 | 山东大学 | 一种图像复原方法、系统、可读存储介质及计算机设备 |
CN111866516A (zh) * | 2020-06-24 | 2020-10-30 | 北京航空航天大学 | 一种灰度视频的实时图像增强装置及方法 |
CN111866516B (zh) * | 2020-06-24 | 2021-12-17 | 北京航空航天大学 | 一种灰度视频的实时图像增强装置及方法 |
CN112381723A (zh) * | 2020-09-21 | 2021-02-19 | 清华大学 | 一种轻量高效的单幅图像去烟雾方法 |
CN112381723B (zh) * | 2020-09-21 | 2023-06-30 | 清华大学 | 一种轻量高效的单幅图像去烟雾方法 |
CN116310276A (zh) * | 2023-05-24 | 2023-06-23 | 泉州装备制造研究所 | 目标检测方法、装置、电子设备及存储介质 |
CN116310276B (zh) * | 2023-05-24 | 2023-08-08 | 泉州装备制造研究所 | 目标检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108648160B (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107527332B (zh) | 基于改进Retinex的低照度图像色彩保持增强方法 | |
CN108648160A (zh) | 一种水下海参图像去雾增强方法及系统 | |
CN108564549B (zh) | 一种基于多尺度稠密连接网络的图像去雾方法 | |
Lee et al. | Local tone mapping using the K-means algorithm and automatic gamma setting | |
CN107798661B (zh) | 一种自适应的图像增强方法 | |
CN106683080B (zh) | 一种视网膜眼底图像预处理方法 | |
CN110889812B (zh) | 一种多尺度融合图像特征信息的水下图像增强方法 | |
CN102222328B (zh) | 一种边缘保持的自然场景图像自适应加权滤波方法 | |
CN110288550B (zh) | 基于先验知识引导条件生成对抗网络的单张图像去雾方法 | |
CN108416745B (zh) | 一种具有色彩恒常性的图像自适应去雾增强方法 | |
CN112419162A (zh) | 图像去雾方法、装置、电子设备及可读存储介质 | |
CN110570381B (zh) | 一种基于高斯总变差的半解耦图像分解暗光图像增强方法 | |
CN109919859B (zh) | 一种户外场景图像去雾增强方法、计算设备及其存储介质 | |
WO2018166083A1 (zh) | 一种对比度增强和视觉显著度优化方法在高尔夫球场图中的应用 | |
CN105678245A (zh) | 一种基于哈尔特征的靶位识别方法 | |
CN115456905A (zh) | 一种基于明暗区域分割的单幅图像去雾方法 | |
CN109801231A (zh) | 一种电泳电子纸检测设备的图像处理方法 | |
Yap et al. | A recursive soft-decision approach to blind image deconvolution | |
Tohl et al. | Contrast enhancement by multi-level histogram shape segmentation with adaptive detail enhancement for noise suppression | |
CN109345479B (zh) | 一种视频监控数据的实时预处理方法及存储介质 | |
CN109635809B (zh) | 一种面向视觉退化图像的超像素分割方法 | |
WO2020107308A1 (zh) | 一种基于Retinex的微光图像快速增强方法及其装置 | |
CN117274085A (zh) | 低照度图像增强方法及装置 | |
CN110992287B (zh) | 一种非均匀光照视频的清晰化方法 | |
CN110706180B (zh) | 一种极暗图像视觉质量提升方法、系统、设备及介质 |
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 |