CN111563854A - 用于水下图像增强处理的粒子群优化方法 - Google Patents

Abstract

本发明公开了一种用于水下图像增强处理的粒子群优化方法，包括：采集第一水下图像；对所述第一水下图像分别进行白平衡颜色矫正得到矫正图像、对比度拉伸得到拉伸图像以及细节增强得到增强图像；采用粒子群优化算法计算融合权重，并采用所述融合权重将所述矫正图像、拉伸图像和增强图像进行融合得到优化后的第二水下图像；本发明能够对融合权重进行优化计算，从而得到全局最优解，完成融合过程；有效补偿了水体对红色光的吸收和有机物对蓝色光的吸收、去除了由散射造成的模糊并实现了对细节部分的增强。

Description

用于水下图像增强处理的粒子群优化方法

技术领域

本发明涉及水下图像处理领域，尤其涉及一种用于水下图像增强处理的粒子群优化方法。

背景技术

图像融合过程分为三个阶段：图像融合输入获取、特征权重计算和多尺度分解与融合。融合结果的好坏取决于输入图特征的选取和权重的计算。现有用于水下图像增强的融合方法中针对权重的计算主要分为以下几种：基于加权平均的融合方法，这种对像素点灰度的平均会产生严重的拼接感；基于绝对值取大的融合方法，会造成结构不完整等问题；采用统计学习方法训练融合系数，其计算量较大。

发明内容

本发明提供一种用于水下图像增强处理的粒子群优化方法，以克服上述技术问题。

本发明提供一种用于水下图像增强处理的粒子群优化方法，包括：

采集第一水下图像；

对所述第一水下图像分别进行白平衡颜色矫正得到矫正图像、对比度拉伸得到拉伸图像以及细节增强得到增强图像；

采用粒子群优化算法计算融合权重，并采用所述融合权重将所述矫正图像、拉伸图像和增强图像进行融合得到优化后的第二水下图像。

进一步地，所述白平衡颜色矫正得到矫正图像，包括：

将所述第一水下图像分成R、G、B三个通道；

若G_avg-R_avg≥λ，则对R通道补偿后为：R_new＝R+(Z₁×G)，若G_avg-B_avg≥λ，则对B通道补偿后为：B_new＝B+(Z₂×G)，其中，Z₁为R通道的增益因子，Z₂为B通道的增益因子，R_avg、G_avg和B_avg分别为R、G和B三个通道的平均值，λ为阈值；

通过补偿后的R通道、原始G通道及补偿后的B通道合成所述矫正图像。

进一步地，所述增益因子

进一步地，所述阈值λ＝θ×(R_avg+G_avg+B_avg)。

进一步地，所述对比度拉伸得到拉伸图像包括：

将所述第一水下图像的RGB颜色空间转换成LAB空间；

对L通道采用限制对比度自适应直方图均衡算法进行对比度拉伸，得到新的L＇通道；

所述L＇通道结合A、B通道转换成RGB颜色空间的拉伸图像。

进一步地，所述细节增强得到增强图像，包括：

将所述第一水下图像的RGB颜色空间转换成HSI空间；

对I通道采用拉普拉斯滤波提取所述水下图像细节，得到新的I＇通道；

所述I＇通道结合H、S通道转换成RGB颜色空间的的增强图像；

其中，所述拉普拉斯滤波的滤波器对应的掩膜为：

进一步地，所述并采用所述融合权重将所述矫正图像、拉伸图像和增强图像进行融合得到优化后的第二水下图像中所述第二水下图像为J＝α₁·J₁+α₂·J₂+α₃·J₃；

其中J₁为矫正图像，J₂为拉伸图像，J₃为增强图像，α₁、α₂和α₃分别为J₁、J₂和J₃的融合权重。

进一步地，所述采用粒子群优化算法计算融合权重，包括：

采用适应度函数：

O＝max(UCIQE+PSNR) (1)

其中，UCIQE＝c₁σ_c+c_ccon_l+c₃μ_s，其中σ_c表示色度的标准方差，con_l表示亮度的对比度，μ_s表示饱和度的平均值，c₁,c₂和c₃是常数；

I(i,j)为原始输入图像，J(i,j)为融合后的第二水下图像，m，n分别为图像的长和宽。

本发明能够对融合权重进行优化计算，从而得到全局最优解，完成融合过程；有效补偿了水体对红色光的吸收和有机物对蓝色光的吸收、去除了由散射造成的模糊并实现了对细节部分的增强。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一种用于水下图像增强处理的粒子群优化方法的流程图；

图2-1是第一水下图像原始图；

图2-2是第一水下图像经过灰度世界处理后的图；

图2-3是采用本发明的方法处理后的图；

图3是将原始图像拉伸后的拉伸图像；

图4-1是第一水下图像原始图的直方图分布图；

图4-2是对应图3的直方图分布图；

图5-1是原始图像经过暗通道先验算法(DCP)操作后得到的图；

图5-2是通过粒子群优化后得到的图；

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明一种用于水下图像增强处理的粒子群优化方法的流程图，如图1所示，本实施例的方法可以包括：

本发明一种用于水下图像增强处理的粒子群优化方法的流程图，包括：

S1：采集第一水下图像；

S2：对所述第一水下图像分别进行白平衡颜色矫正得到矫正图像、对比度拉伸得到拉伸图像以及细节增强得到增强图像；

S3：采用粒子群优化算法计算融合权重，并采用所述融合权重将所述矫正图像、拉伸图像和增强图像进行融合得到优化后的第二水下图像。

进一步地，所述白平衡颜色矫正得到矫正图像，包括：

将所述第一水下图像分成R、G、B三个通道；

若G_avg-R_avg≥λ，则对R通道补偿后为：R_new＝R+(Z₁×G)，若G_avg-B_avg≥λ，则对B通道补偿后为：B_new＝B+(Z₂×G)，其中，Z₁为R通道的增益因子，Z₂为B通道的增益因子，R_avg、G_avg和B_avg分别为R、G和B三个通道的平均值，阈值λ＝θ×(R_avg+G_avg+B_avg)，其中θ＝0.1，如果大于λ说明R通道或B通道在传播过程中有损失，需要用G通道进行补偿，校正后的图像克服了由于光在水下传播中造成的颜色失真问题；本实施例中Ravg＝13.11,G_avg＝148.72,B_avg＝155.17，因G_avg—B_avg<31.7，所以B通道不进行补偿；(R_new、G、B_new)为合成的所述矫正图像。

采用G通道分别校正R、B通道，有效补偿了水体对红色光的吸收和有机物对蓝色光的吸收。

进一步地，所述对比度拉伸得到拉伸图像包括：

将所述第一水下图像的RGB颜色空间转换成LAB空间之后再对L通道采用限制对比度自适应直方图均衡算法进行对比度拉伸，得到新的L＇通道，再结合A、B通道转换成RGB颜色空间的拉伸图像。

对比度拉伸图，在LAB空间中对L通道采用CLAHE进行对比度拉伸，有效去除了由散射造成的模糊。

具体而言，RGB颜色空间不能直接转换为LAB颜色空间，需要借助XYZ颜色空间，把RGB颜色空间转换到XYZ颜色空间，之后再把XYZ颜色空间转换到LAB颜色空间：

(1)RGB颜色空间转XYZ颜色空间

假设R，G，B为像素的三个通道，取值范围为[0,255]，转换公式如下：RGB与XYZ颜色空间有如下关系：

M＝0.4124,0.3576,0.1805

0.2126,0.7152,0.0722

0.0193,0.1192,0.9505

则：

X＝var_R*0.4124+var_G*0.3576+var_B*0.1805

Y＝var_R*0.2126+var_G*0.7152+var_B*0.0722

Z＝var_R*0.0193+var_G*0.1192+var_B*0.9505

gamma函数用来对图象进行非线性色调编辑，目的是提高图像对比度。

(2)XYZ颜色空间转LAB颜色空间

式(1)中，X＝0.412453*R+0.412453*G+0.412453*B；各系数相加之和为0.950456，接近于1，因R/G/B的取值范围为[0,255]，如果系数和等于1，则X的取值范围也必在[0,255]之间，因此通过等比修改各系数，使其之和等于1，这样就做到了XYZ和RGB在同等范围的映射。这也就是为什么代码里X,Y,Z会分别除以0.950456、1.0、1.088754。

L^*＝116f(Y/Y_n)-16

A^*＝500[f(X/X_n)-f(Y/Y_n)]

B^*＝200[f(Y/Y_n)-f(Z/Z_n)] (4)

结合公式(4)及(5)，L*，A*，B*是最终的LAB色彩空间三个通道的值。X，Y，Z是RGB转XYZ后计算出来的值，Xn，Yn，Zn默认是95.047，100.0，108.883。

进一步地，所述细节增强得到增强图像，包括：

将所述第一水下图像的RGB颜色空间转换成HSI空间之后再对I通道采用拉普拉斯滤波提取所述水下图像细节，得到新的I＇通道，再结合H、S通道转换成RGB颜色空间的的增强图像。

其中，所述拉普拉斯滤波的滤波器对应的掩膜为：

具体而言，

I＝(R+G+B)/³ (10)

结合公式(6)、(7)、(8)、(9)，H、S、I是最终的HSI色彩空间。

在HSI空间中对I通道采用拉普拉斯滤波进行锐化，有效实现了对细节部分的增强。

进一步地，所述并采用所述融合权重将所述矫正图像、拉伸图像和增强图像进行融合得到优化后的第二水下图像中所述第二水下图像为J＝α₁·J₁+α₂·J₂+α₃·J₃；

其中J₁为矫正图像，J₂为拉伸图像，J₃为增强图像，α₁、α₂和α₃分别为J₁、J₂和J₃的融合权重。

进一步地，所述采用粒子群优化算法计算融合权重，包括：

初始化粒子数S＝30，迭代次数M＝30，惯性权重w＝0.8。

采用适应度函数：

O＝max(UCIQE+PSNR) (11)

其中，UCIQE＝c₁σ_c+c_ccon_l+c₃μ_s，其中σ_c表示色度的标准方差，con_l表示亮度的对比度，μ_s表示饱和度的平均值，c₁,c₂和c₃是常数；

I(i,j)为原始输入图像，J(i,j)为融合后的第二水下图像，m，n分别为图像的长和宽。

根据每个粒子的最优位置和全局的最优位置，更新每个粒子的速度和位置，全局中的最优位置是通过比较本次迭代中所有粒子的适应度函数值，得出其中的某一个粒子的适应度函数值最大，那么该粒子所在位置即为最优位置。公式如下所示：

V_i(t+1)＝wV_i(t)+e₁r₁(t)(P_i(t)-X_i(t))+e₂r₂(t)(P_g(t)-X_i(t)),i＝1,2...,N

X_i(t+1)＝X_i(t)+V_i(t+1) (12)

其中，Vi(t+1)表示粒子i在第(t+1)次迭代中的运动矢量；w是一个非负数，表示惯性权重；e₁和e₂是非负常数，表示加速度；r₁和r₂是[0,1]区间上均匀分布的随机数；t表示时间间隔，值为1；P_i(t)表示在第t次迭代中的粒子自身最优位置；P_g(t)表示在t次迭代中全局最优位置；Xi(t+1)表示粒子在第(t+1)次迭代中的位置；其中e₁＝e₂＝2，w＝0.8是惯性权重，r₁和r₂是[0,1]区间上均匀分布的随机数，在迭代中间隔时间t为1。

评估粒子的适应度函数值，更新粒子的最优位置和全局的最优位置，本专利方法选用的适应度函数是由图像评价指标UCIQE和PSNR的和组成。UCIQE+PSNR的值也即适应度函数的值越大，公式(11)用于优化α₁、α₂和α₃。

如图2-1所示为第一水下图像原始图；图2-2是第一水下图像经过灰度世界函数处理后的图；图2-3是采用本发明的方法处理后的图；

如表1所示，为R通道对应图1中左上角10*10像素点的值；表2为R通道对应图2左上角10*10像素点的值；其中x表示水平坐标，y表示竖直坐标，从表1和表2的数据可知，原始图像的R通道衰减严重，通过本算法处理后能够较好得补偿R通道的衰减，从图2-3也能看出不再是蓝绿色调，能够证明对R通道进行了较好的补偿。

表1

表2

如图3所示，是将原始图像采用限制对比度自适应直方图均衡算法拉伸后的拉伸图像；图4-1是第一水下图像原始图的直方图分布图；图4-2是对应图3的直方图分布图，通过图4-1和图4-2的对比可知，经采用限制对比度自适应直方图均衡算法拉伸的图像色彩更加清晰。

如图5-1所示，是原始图像经过暗通道先验算法(DCP)操作后得到的图；图5-2是通过粒子群优化后得到的图；如表3所示可知，从峰值信噪比和结构相似度的数据表明，本算法比DCP方法处理后的效果要好。

表3

	DCP	本方法
			峰值信噪比	35.1562	38.3706
构相似度	0.6894	0.7541

本发明能够对融合权重进行优化计算，从而得到全局最优解，完成融合过程；有效补偿了水体对红色光的吸收和有机物对蓝色光的吸收、去除了由散射造成的模糊并实现了对细节部分的增强。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种用于水下图像增强处理的粒子群优化方法，其特征在于，包括：

采集第一水下图像；

对所述第一水下图像分别进行白平衡颜色矫正得到矫正图像、对比度拉伸得到拉伸图像以及细节增强得到增强图像；

采用粒子群优化算法计算融合权重，并采用所述融合权重将所述矫正图像、拉伸图像和增强图像进行融合得到优化后的第二水下图像。

2.根据权利要求1所述的方法，其特征在于，所述白平衡颜色矫正得到矫正图像，包括：

将所述第一水下图像分成R、G、B三个通道；

若G_avg-R_avg≥λ，则对R通道补偿后为：R_new＝R+(Z₁×G)，若G_avg-B_avg≥λ，则对B通道补偿后为：B_new＝B+(Z₂×G)，其中，Z₁为R通道的增益因子，Z₂为B通道的增益因子，R_avg、G_avg和B_avg分别为R、G和B三个通道的平均值，λ为阈值；

通过补偿后的R通道、原始G通道及补偿后的B通道合成所述矫正图像。

3.根据权利要求2所述的方法，其特征在于，所述增益因子

4.根据权利要求2所述的方法，其特征在于，所述阈值λ为λ＝θ×(R_avg+G_avg+B_avg)。

5.根据权利要求1所述的方法，其特征在于，所述对比度拉伸得到拉伸图像包括：

将所述第一水下图像的RGB颜色空间转换成LAB空间；

对L通道采用限制对比度自适应直方图均衡算法进行对比度拉伸，得到新的L＇通道；

所述L＇通道结合A、B通道转换成RGB颜色空间的拉伸图像。

6.根据权利要求1所述的方法，其特征在于，所述细节增强得到增强图像，包括：

将所述第一水下图像的RGB颜色空间转换成HSI空间；

对I通道采用拉普拉斯滤波提取所述水下图像细节，得到新的I＇通道；

所述I＇通道结合H、S通道转换成RGB颜色空间的的增强图像；

其中，所述拉普拉斯滤波的滤波器对应的掩膜为：

7.根据权利要求1所述的方法，其特征在于，所述并采用所述融合权重将所述矫正图像、拉伸图像和增强图像进行融合得到优化后的第二水下图像中所述第二水下图像为J＝α₁·J₁+α₂·J₂+α₃·J₃；

其中J₁为矫正图像，J₂为拉伸图像，J₃为增强图像，α₁、α₂和α₃分别为J₁、J₂和J₃的融合权重。

8.根据权利要求7所述的方法，其特征在于，所述采用粒子群优化算法计算融合权重，包括：

采用适应度函数：

O＝max(UCIQE+PSNR) (1)

其中，UCIQE＝c₁σ_c+c_ccon_l+c₃μ_s，其中σ_c表示色度的标准方差，con_l表示亮度的对比度，μ_s表示饱和度的平均值，c₁,c₂和c₃是常数；

I(i,j)为原始输入图像，J(i,j)为融合后的第二水下图像，m，n分别为图像的长和宽。

Images