CN110717869B - 一种水下浑浊图像清晰化方法 - Google Patents
一种水下浑浊图像清晰化方法 Download PDFInfo
- Publication number
- CN110717869B CN110717869B CN201910855233.2A CN201910855233A CN110717869B CN 110717869 B CN110717869 B CN 110717869B CN 201910855233 A CN201910855233 A CN 201910855233A CN 110717869 B CN110717869 B CN 110717869B
- Authority
- CN
- China
- Prior art keywords
- image
- underwater
- transmissivity
- local
- transmittance
- 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 31
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 230000003044 adaptive effect Effects 0.000 claims abstract description 5
- 238000002834 transmittance Methods 0.000 claims description 22
- 238000007670 refining Methods 0.000 claims description 8
- 238000003707 image sharpening Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06T5/73—Deblurring; Sharpening
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供的是一种水下浑浊图像清晰化方法。(1)获取水下浑浊图像;(2)结合局部区域熵信息统计,估计出背景光A∞;(3)结合平均梯度和图像保真度,设计估计局部区域透射率r的代价函数ffinal(t(x));(4)利用原图的高斯高通滤波图像灰度值梯度强度作为权值,改进加权最小二乘保边滤波算法,得到细化透射率t(x);(5)设计图像自适应调节因子μ,利用得到最终图像增强的图像,I表示相机采集的图片。获得增强后的水下图像,有效地去除水下浑浊,使场景更加清晰。
Description
技术领域
本发明涉及的是一种水下图像增强方法,具体地说是一种水下浑浊图像清晰化方法。
背景技术
水下机器人技术得到大力发展,其中,作为重要感知手段的视觉感知也相应有很高的要求。然而,由于水下水对光源的吸收、散射和噪声等影响,水下视觉技术被大大的限制。图像增强的效果会大大影响后续识别、检测操作的效果。因此,对水下图像进行快速实时的增强,去除模糊,增强视觉分辨率有十分重要的意义。
已有的通过模型增强水下图像的方法常常需要借助先验信息,增加了复杂程度,限制了其适用范围。
发明内容
本发明的目的在于提供一种不依赖于先验信息、能够实现水下浑浊图像增强的水下浑浊图像清晰化方法。
本发明的目的是这样实现的:
(1)获取水下浑浊图像;
(2)结合局部区域熵信息统计,估计出背景光A∞;
(3)结合平均梯度和图像保真度,设计估计局部区域透射率r的代价函数ffinal(t(x));
(4)利用原图的高斯高通滤波图像灰度值梯度强度作为权值,改进加权最小二乘保边滤波算法,得到细化透射率t(x);
(5)设计图像自适应调节因子μ,利用得到最终图像增强的图像,I表示相机采集的图片。
本发明还可以包括:
1.所述的水下散射模型为:其中,J0表示增强后的图像,I表示相机采集的图片,A∞表示背景光,t(x)表示透射率。
2.所述的结合局部区域熵信息统计,估计出背景光A∞具体包括:所述熵信息为:其中,i表示灰度强度,P(i)表示该局部区块内具有强度i的像素个数,估计算背景光A∞具体过程为:将一幅水下图像划分成大小相等互不重叠的局部区块,分别计算各个区块的熵值,取熵值低的20%背景光作为候选区域,求出出现频率最高的灰度即为背景光的估计A∞。
3.所述的得到细化透射率t(x)的具体过程为:利用透射率代价函数ffinal(r)=fgradient(r)·ffidelity(r)得到最终局部射率估计公式:r=argmax(ffinal(r)),最终进行图像中每部分局部透射率的估计,得到透射率估计t(x),fgradient(r)为局部区域梯度,ffidelity(r)为保真度,其中,M、N分别表示区域图像的宽度和高度,/>分别表示复原后图像x方向和y方向的梯度,r为图像中的某个局部区域;/>其中,δ(p)表示在透射率r条件下,局部区域p内没有失真的像素比。
4.所述的改进加权最小二乘保边滤波算法,得到细化透射率t(x),具体包括:利用公式进行透射率细化,式中,t为细化后的透射率,/>为未细化的透射率,λ为细化程度的调节因子,wx(g)、wy(g)分别为对原图高斯高频滤波后图像得x方向和y向的梯度值。
5.所述的设计图像自适应调节因子μ具体包括:统计出增强后的图像J0中失真像素的个数,计算出相对于原始图像像素个数的失真比,即为图像自适应调节因子μ。
本发明提供了一种水下浑浊图像清晰化方法,同时不依赖于先验信息的通过散射模型估计模型中的参数,实现水下浑浊图像增强。
本发明具有以下技术成果:
1、利用本设计水下浑浊图像清晰化方法,可以在无需人为提供先验信息条件下,进行水下浑浊图像清晰化。
2、通过本设计提出的IWLS方法,可以利用局部区域熵统计估计水下浑浊图像背景光。
3、利用本设计可以通过结合平均梯度和逼真度获取寻优透射率代价函数。
4、本设计可以通过改加权最小二乘保边滤波器,细化图像的透射率。
5、利用本设计可以根据图像自适应的调节因子,对图像复原公式进行优化,获得更好的水下浑浊图像清晰化效果。
附图说明
图1为本发明水下浑浊图像清晰化的流程图;
图2为水下浑浊图像原图;
图3为水下浑浊图像透射率估算图;
图4为水下浑浊图像透射率细化图;
图5为最终水下浑浊图像清晰化图。
具体实施方式
下面举例对本发明做更详细的描述。
本发明是一种基于散射模型的无先验信息水下浑浊图像增强方法,执行流程如图1所示,主要包括:
步骤一:获取待处理水下浑浊图像。将图像划分成大小为35*35互不重叠的局部区块,通过熵分析估计背景光。分别计算各个区块的熵值,取熵值较低的20%背景光作为候选区域,求出出现频率最高的灰度即可作为背景光估计A∞。
步骤二:估算透射率:通过r=argmax(ffinal(r))估算每个局部区块的透射率,将所有的局部区块r组成透射率t(x),如图3。
步骤三:利用IWLS细化透射率t(x),如图4。
步骤四:通过增强公式,得到增强图像J0,再求出自适应调节因子μ,利用/>得到最终增强图像Jfinal,如图5。
上述步骤中还可以包括如下具体内容:
1、还包括利用局部区域熵信息统计,估计出背景光A∞,熵信息公式为:其中,i表示灰度强度,P(i)表示该局部区块内具有强度i的像素个数。估计算背景光A∞具体过程为:对背景光A∞的估计中将一幅水下图像划分成大小相等互不重叠的局部区块,这里局部区块大小取35*35。分别计算各个区块的熵值,取熵值较低的20%背景光作为候选区域,求出出现频率最高的灰度即可作为背景光的估计A∞。
2、还包括利用利用图像局部区域梯度fgradient(r)和保真度ffidelity(r)估算图像透射率t(x),具体过程为:将图像划分成大小相等互不重叠的局部区块,利用局部区域梯度fgradient(r)和保真度ffidelity(r)代价函数:其中,M、N分别表示区域图像的宽度和高度,/>分别表示复原后图像x方向和y方向的梯度,r为图像中的某个局部区域。/>其中,δ(p)表示在透射率r条件下,局部区域p内没有失真的像素比。利用定义的透射率代价函数ffinal(r)=fgradient(r)·ffidelity(r)可到到最终局部射率估计公式:r=argmax(ffinal(r)),最终进行图像中每部分局部透射率的估计,得到透射率估计t(x)。
3、还包括透射率细化的方法IWLS,具体过程为:利用公式进行透射率细化,式中,t为细化后的透射率,/>为未细化的透射率,λ为细化程度的调节因子,wx(g)、wy(g)分别为对原图高斯高频滤波后图像得x方向和y向的梯度值。
4、还包括图像复原自适应调节,具体过程为:通过增强公式,得到复原图像J0,统计出J0中失真像素的个数,计算出相对于原始图像像素个数的失真比,即为图像自适应调节因子μ。得到最终图像增强公式:/>完成水下浑浊图像增强。
Claims (4)
1.一种水下浑浊图像清晰化方法,其特征是:
(1)获取水下浑浊图像;
(2)结合局部区域熵信息统计,估计出背景光A∞;
(3)结合平均梯度和图像保真度,设计估计局部区域透射率r的代价函数ffinal(t(x));
(4)利用原图的高斯高通滤波图像灰度值梯度强度作为权值,改进加权最小二乘保边滤波算法,得到细化透射率t(x);
所述的得到细化透射率t(x)的具体过程为:利用透射率代价函数ffinal(r)=fgradient(r)·ffidelity(r)得到最终局部射率估计公式:r=argmax(ffinal(r)),最终进行图像中每部分局部透射率的估计,得到透射率估计t(x),fgradient(r)为局部区域梯度,ffidelity(r)为保真度,其中,M、N分别表示区域图像的宽度和高度,/>分别表示复原后图像x方向和y方向的梯度,r为图像中的某个局部区域;/>其中,δ(p)表示在透射率r条件下,局部区域p内没有失真的像素比;
所述的改进加权最小二乘保边滤波算法,得到细化透射率t(x),具体包括:利用公式进行透射率细化,式中,t为细化后的透射率,/>为未细化的透射率,λ为细化程度的调节因子,wx(g)、wy(g)分别为对原图高斯高频滤波后图像得x方向和y向的梯度值;
(5)设计图像自适应调节因子μ,利用得到最终图像增强的图像,I表示相机采集的图片。
2.根据权利要求1所述的水下浑浊图像清晰化方法,其特征是:水下散射模型为:其中,J0表示增强后的图像,I表示相机采集的图片,A∞表示背景光,t(x)表示透射率。
3.根据权利要求2所述的水下浑浊图像清晰化方法,其特征是所述的结合局部区域熵信息统计,估计出背景光A∞具体包括:所述熵信息为:其中,i表示灰度强度,P(i)表示该局部区域内具有强度i的像素个数,估计算背景光A∞具体过程为:将一幅水下图像划分成大小相等互不重叠的局部区块,分别计算各个区域的熵值,取熵值低的20%背景光作为候选区域,求出出现频率最高的灰度即为背景光的估计A∞。
4.根据权利要求3所述的水下浑浊图像清晰化方法,其特征是所述的设计图像自适应调节因子μ具体包括:统计出增强后的图像J0中失真像素的个数,计算出相对于原始图像像素个数的失真比,即为图像自适应调节因子μ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910855233.2A CN110717869B (zh) | 2019-09-11 | 2019-09-11 | 一种水下浑浊图像清晰化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910855233.2A CN110717869B (zh) | 2019-09-11 | 2019-09-11 | 一种水下浑浊图像清晰化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110717869A CN110717869A (zh) | 2020-01-21 |
CN110717869B true CN110717869B (zh) | 2023-09-19 |
Family
ID=69209805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910855233.2A Active CN110717869B (zh) | 2019-09-11 | 2019-09-11 | 一种水下浑浊图像清晰化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110717869B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112927157B (zh) * | 2021-03-08 | 2023-08-15 | 电子科技大学 | 采用加权最小二乘滤波的改进暗通道去雾方法 |
CN116110053B (zh) * | 2023-04-13 | 2023-07-21 | 济宁能源发展集团有限公司 | 基于图像识别的集装箱表面信息检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008041412A1 (fr) * | 2006-10-04 | 2008-04-10 | Eizo Nanao Corporation | Procédé de correction de contour, dispositif de traitement et d'affichage d'image |
US8625921B1 (en) * | 2008-09-26 | 2014-01-07 | Google Inc. | Method for image processing using local statistics convolution |
KR101583430B1 (ko) * | 2014-09-30 | 2016-01-19 | 고려대학교 산학협력단 | 영상 처리 방법 및 장치 |
CN106940882A (zh) * | 2017-02-15 | 2017-07-11 | 国网江苏省电力公司常州供电公司 | 一种符合人眼视觉特性的变电站视频图像清晰化方法 |
CN107563980A (zh) * | 2017-09-04 | 2018-01-09 | 天津大学 | 基于水下成像模型和景深的水下图像清晰化方法 |
CN108765342A (zh) * | 2018-05-30 | 2018-11-06 | 河海大学常州校区 | 一种基于改进暗通道的水下图像复原方法 |
CN109118446A (zh) * | 2018-07-30 | 2019-01-01 | 西南财经大学 | 一种水下图像复原及去噪方法 |
CN109903250A (zh) * | 2019-02-25 | 2019-06-18 | 大连海事大学 | 基于多尺度梯度域对比度拉伸的水下图像清晰化处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100780948B1 (ko) * | 2006-02-28 | 2007-12-03 | 삼성전자주식회사 | 색 잡음을 제거하는 영상 신호 처리 장치 |
-
2019
- 2019-09-11 CN CN201910855233.2A patent/CN110717869B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008041412A1 (fr) * | 2006-10-04 | 2008-04-10 | Eizo Nanao Corporation | Procédé de correction de contour, dispositif de traitement et d'affichage d'image |
US8625921B1 (en) * | 2008-09-26 | 2014-01-07 | Google Inc. | Method for image processing using local statistics convolution |
KR101583430B1 (ko) * | 2014-09-30 | 2016-01-19 | 고려대학교 산학협력단 | 영상 처리 방법 및 장치 |
CN106940882A (zh) * | 2017-02-15 | 2017-07-11 | 国网江苏省电力公司常州供电公司 | 一种符合人眼视觉特性的变电站视频图像清晰化方法 |
CN107563980A (zh) * | 2017-09-04 | 2018-01-09 | 天津大学 | 基于水下成像模型和景深的水下图像清晰化方法 |
CN108765342A (zh) * | 2018-05-30 | 2018-11-06 | 河海大学常州校区 | 一种基于改进暗通道的水下图像复原方法 |
CN109118446A (zh) * | 2018-07-30 | 2019-01-01 | 西南财经大学 | 一种水下图像复原及去噪方法 |
CN109903250A (zh) * | 2019-02-25 | 2019-06-18 | 大连海事大学 | 基于多尺度梯度域对比度拉伸的水下图像清晰化处理方法 |
Non-Patent Citations (4)
Title |
---|
Underwater Image Restoration Based on Improved Background Light Estimation and Automatic White Balance;Changli Li etal;2018 11th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics;全文 * |
全局参数估计的水下目标偏振复原方法;范之国;宋强;代晴晴;闫羽;;光学精密工程(第07期);全文 * |
基于颜色衰减先验和白平衡的水下图像复原;韩辉;周妍;蔡晨东;;计算机与现代化(第04期);全文 * |
水下图像增强和复原方法研究进展;郭继昌等;中国图象图像学报;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110717869A (zh) | 2020-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106530237B (zh) | 一种图像增强方法 | |
CN111292258B (zh) | 一种基于暗通道和亮通道先验的图像去雾方法 | |
KR102104403B1 (ko) | 단일영상 내의 안개 제거 방법 및 장치 | |
WO2016206087A1 (zh) | 一种低照度图像处理方法和装置 | |
CN107358585B (zh) | 基于分数阶微分及暗原色先验的雾天图像增强方法 | |
CN110889812B (zh) | 一种多尺度融合图像特征信息的水下图像增强方法 | |
CN112561804A (zh) | 基于多尺度细节增强的低光照水下图像增强方法 | |
CN109377450B (zh) | 一种边缘保护的去噪方法 | |
CN111598791B (zh) | 一种基于改进动态大气散射系数函数的图像去雾方法 | |
CN110717869B (zh) | 一种水下浑浊图像清晰化方法 | |
CN109118434A (zh) | 一种图像预处理方法 | |
CN116823686B (zh) | 一种基于图像增强的夜间红外与可见光图像融合方法 | |
CN111462022B (zh) | 一种水下图像清晰化增强方法 | |
CN103561194A (zh) | 一种基于自适应滤波的扫描图像去网纹方法 | |
KR20140109801A (ko) | 3d이미지 품질을 향상시키는 방법과 장치 | |
CN105243647A (zh) | 一种基于线性空间滤波的图像增强方法 | |
CN105574826A (zh) | 遥感影像的薄云去除方法 | |
CN112750089B (zh) | 基于局部块最大和最小像素先验的光学遥感影像去雾方法 | |
CN110175959B (zh) | 一种台风云图增强方法 | |
CN115249211A (zh) | 一种基于水下非均匀入射光模型的图像复原方法 | |
CN108416739B (zh) | 基于轮廓波和马尔可夫随机场的交通图像去雾方法 | |
CN103595933A (zh) | 一种图像的降噪方法 | |
CN115829967A (zh) | 一种工业金属表面缺陷图像去噪和增强方法 | |
CN113012067B (zh) | 基于Retinex理论和端到端深度网络的水下图像复原方法 | |
CN110992294B (zh) | 一种类纸显示器的图像对比度提升方法 |
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 |