CN113012065A - 融合暗通道与全局直方图拉伸的水下图像色彩恢复方法 - Google Patents
融合暗通道与全局直方图拉伸的水下图像色彩恢复方法 Download PDFInfo
- Publication number
- CN113012065A CN113012065A CN202110269729.9A CN202110269729A CN113012065A CN 113012065 A CN113012065 A CN 113012065A CN 202110269729 A CN202110269729 A CN 202110269729A CN 113012065 A CN113012065 A CN 113012065A
- Authority
- CN
- China
- Prior art keywords
- image
- channel
- stretching
- pixel
- underwater
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000011084 recovery Methods 0.000 title claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000005315 distribution function Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 238000009499 grossing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 239000012736 aqueous medium Substances 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了融合暗通道与全局直方图拉伸的水下图像色彩恢复方法,包括如下步骤:采集水下图像,进行相关预处理形成标准RGB图像;对彩色图像进行暗通道建模;对RGB图像进行直方图拉伸建模;寻找图像中参与拉伸的像素阈值;结合暗通道和自然图像色彩分布原理,确定直方图拉伸参数;进行直方图拉伸,对形成的图像进行再次进行色彩均衡。根据本发明能够有效地对水下图像进行色彩恢复,提升后续图像研究的效率。本发明能够应用到水下摄影、无人船避障、水文环境研究等多种场景,具有巨大的实用意义。
Description
技术领域
本发明涉及一种水下图像色彩恢复技术,更具体的说,涉及融合暗通道与全局直方图拉伸的水下图像色彩恢复方法。
背景技术
水下图像色彩暗淡单调,远不如自然图像那么色彩丰富,其直方图分布在相对较低范围,特征不明显。水下图像与水上的自然图像相比更加复杂,主要原因有两个方面:一个是水下环境和水的浑浊度,另一个是水对光的吸收、散射和反射。目前对水下图像的增强恢复的方法主要可以分为两大类:一类是基于物理的方法,根据水下图像的背景色到处水的固有光学性质,通过考虑光在水介质中传播的基本物理原理来增强水下图像,如Zhao等人(Zhao,Xinwei,Tao Jin,and Song Qu."Deriving inherent optical properties frombackground color and underwater image enhancement."Ocean Engineering 94(2015):163-172.)提出从背景颜色和水下图像增强中获得固有的光学特性。但这种方法对图像色彩的恢复不够理想;另一种是基于图像的方法,基于波长补偿的算法可以补偿光沿传播路径的衰减以及可能存在的人工光源的影响,基于色彩调整的方法能够有效提高水下图像的色彩平衡,如Chani等人(Ghani,Ahmad Shahrizan Abdul,and Nor Ashidi MatIsa."Underwater image quality enhancement through integrated color model withRayleigh distribution."Applied soft computing 27(2015):219-230.)提出的结合瑞利分布的彩色模型增强水下图像质量的方法,虽然能够有效提高水下图像的色彩平衡,但需要消耗大量计算资源和较长的计算时间。
解决水下图像色彩恢复问题有着重大的现实意义,例如水下摄影,无人艇避障,水文检测等。基于此,提出一种高效的水下图像色彩恢复方法,在取得十分理想的色彩恢复结果的同时,减小了计算的复杂度和时间。
发明内容
本发明的目的旨在解决现有水下图像色彩恢复问题。
本发明至少通过如下技术方案之一实现。
融合暗通道与全局直方图拉伸的水下图像色彩恢复方法,包括以下步骤:
(1)采集水下图像,进行相关预处理形成标准RGB图像;
(2)对彩色图像进行暗通道模型建模;
(3)对标准RGB图像进行直方图拉伸模型建模;
(4)寻找图像中参与拉伸的像素阈值;
(5)确定直方图拉伸模型的参数;
(6)进行直方图拉伸,对形成的图像进行再次进行色彩均衡。
优选的,步骤(1)中,采用的高斯滤波G和中值滤波M非线性结合的方式进行降噪的预处理。
优选的,步骤(2)中采用的暗通道模型如下:
Ic(x)=Jc(x)tc(x)+(1-tc(x))Bc
其中,c表示图像的通道,从R、G、B三个中进行取值;Ic(x)表示像素点x去雾后通道c的值,Jc(x)表示输入图像通道c的值,tc(x)表示通道c的折射率,Bc表示通道c的大气光值;Ω(x)表示滑动窗口,d(x)是像素x在通道c上,按照指定窗口滑动时得到的整体相关最小值;ω是经验调节参数;λc是通道补偿参数。优选的,所述暗通道模型中通道补偿参数λc按照如下方式确定:
优选的,步骤(3)中,采用的直方图拉伸模型如下:
其中n是像素总个数,xi表示像素点,vc(xi)表示像素xi的像素值。
优选的,所述直方图拉伸模型的通过结合暗通道模型、灰度世界算法(Gray-world)的假设、以及像素值分布函数拟合确定。
优选的,步骤(5)中,结合暗通道模型和灰度世界算法(Gray-world)确定直方图拉伸模型中的自动调整参数利用灰度世界算法(Gray-world)假设自然色彩图像,RGB三个通道的像素值归一化后的平均值应该趋于一致,且都应该接近p,即:
Ravg≈Gavg≈Bavg≈p
引入参数kc:
其中,Ic表示像素点x去雾后通道c的值。
优选的,所述像素值分布函数是利用瑞利分布(Rayleigh Distribution)RDc模拟图像通道c中像素值分布规律:
优选的,步骤(6)中,利用直方图拉伸对前述步骤得到的图像进行色彩均衡,此时采用的拉伸函数如下:
本发明至少通过如下技术方案之一实现。
与现有的技术相比,本发明的有益效果为:
能够更好地针对水下图像不同颜色的图像,解决水下图像色彩恢复问题有着重大的现实意义。
附图说明
图1为实施例的一种融合暗通道与全局直方图拉伸的水下图像色彩恢复方法流程示意图;
图2为实施例采用本发明方法实现前的原图;
图3为实施例采用本发明方法实现后的结果图;
图4为实例采用本发明方法实现前的原图像的直方图;
图5为实例采用本发明方法后色彩恢复图像的直方图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不限定本发明。
如图1所示,融合暗通道与全局直方图拉伸的水下图像色彩恢复方法,包括以下步骤:
(1)采集水下图像,如图2所示,进行相关预处理形成标准RGB图像,具体的实现方法如下,使用高斯滤波G和中值滤波M非线性结合来对图像进行降噪处理;二维高斯分布是如下形式:
其中,x、y是两个独立的二维随机变量,σ为标准差;但由于在图像中,每个像素之间的距离只能为整数,所以大小为(2k+1)×(2k+1)的高斯滤波器核的生成方程式:
其中,1≤i,j≤(2k+1);i,j表示像素距离,k表示卷积核大小;σ为标准差。作为另一个实施例,采用的高斯卷积核可以是如下k=5,σ=1的高斯卷积核:
中值滤波的生成方式:
M=Median{Iin(x1+i,2+j)|0≤i,j≤k}
其中,1≤i,j≤(2k+1),像素点x在图像中的位置(x1,x2);Iin是是输入像素值;最后通过方程式:
得到降噪处理的输出值Y。
作为另一个实施例,本步骤所述的预处理方法包括但不限于筛选、放缩、裁剪、降噪等图像处理中常用的预处理方法。
(2)对彩色图像进行暗通道建模,采用的暗通道模型如下:
Ic(x)=Jc(x)tc(x)+(1-tc(x))Bc
其中,c表示图像的通道,从R、G、B三个中进行取值;Ic(x)表示像素点x去雾后通道c的值,Jc(x)表示输入图像通道c的值,tc(x)表示通道c的折射率,Bc表示通道c的大气光值;对于这个模型,两边同时除以Bc(x),可以得到:
但由于水下光的传播与空气中光的传播有着明显的差异,而且水对各种光波的折射、衰减是完全不同的,于是引入像素x在通道c上,按照指定窗口滑动时得到的整体相关最小值d(x):
注意,d(x)不随通道c的变化而变化;为了结合水下光线传播规律引入了λc,λc是于波长有关的调节参数,具体取值如下:
这样更能结合各种光线在水中传播衰减的规律,大部分波段的光在水下传播时都会受到强烈的吸收而衰减,只有波长在480±30nm波段的蓝绿光在水中的吸收衰减系数最小,穿透能力最强,这也是为什么深水呈碧蓝色的原因;
最后,得到:
其中,为了增加模型的鲁棒性,引入经验调节参数ω,用来平滑和控制最终的结果
(3)对RGB图像进行直方图拉伸建模;图4原图像的直方图;一般图像采用的直方图拉伸模型是:
其中,p0是输出图像的像素值,pi是输入图像的像素值,g、b是图像中像素值最小值和最小值,f、d是用来拉伸的参数,一般被设置为255和0。但在本发明中采用的直方图拉伸建模如下:
其中n是像素总个数xi表示像素点,vc(xi)表示像素xi的像素值。
(5)结合暗通道、Gray-world算法的假设、以及像素值分布函数拟合,确定直方图拉伸参数;具体的实现需要分为两步:确定Amax和Amin。
确定Amax的方法如下,GW假说认为,一个自然图像是色彩丰富且柔和的,RGB三个通道的像素值的平均值应该满足下式:
其中,v(R),v(G),v(B)分别表示R、G、B三个通道上像素值的总和,n表示图像像素点总个数。
对上式进行归一化后的平均值应该趋于一致,且都应该接近0.5,即:
Ravg≈Gavg≈Bavg≈0.5
其中Ravg,Gavg,Bavg分别表示图层R,G,B上像素值的均值。
但实际的水下图像往往色彩分布并不均衡,所以为了使得图像色彩恢复效果更好,引入参入kc:
kc表示水下图像离一幅完美的自然图像在各个通道上的差距,其中avgc是图像在通道c上的像素值的平均值。
确定Amin的方法如下,图像通道c上的像素值直方图形成的曲线服从瑞利分布:
其中ac是分布的控制参数。瑞利分布多用于描述独立二维分量的统计信息,图像像素再两个方向上的分布呈独立的,均值相同的高斯分布,所以可以用瑞利分布来进行模拟。
瑞利分布的的方差σc为:
Amin=ac-σc。
(6)进行直方图拉伸,对形成的图像进行再次进行色彩均衡。在获得初步直方图拉伸结果后,可以采用如下拉伸函数:
这样能够使得图像更清晰自然。如图3和图5,采用本发明方法后色彩恢复图像的直方图。
作为另一个实施例,也可以采用如下拉伸函数:
作为另一个实施例,本步骤所述的色彩再均衡过程包括但不限于:平滑、放缩、对调整对比度、调整饱和度等常规色彩均衡程。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅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做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。
Claims (10)
1.融合暗通道与全局直方图拉伸的水下图像色彩恢复方法,其特征在于,包括以下步骤:
(1)采集水下图像,进行相关预处理形成标准RGB图像;
(2)对彩色图像进行暗通道模型建模;
(3)对标准RGB图像进行直方图拉伸模型建模;
(4)寻找图像中参与拉伸的像素阈值;
(5)确定直方图拉伸模型的参数;
(6)进行直方图拉伸,对形成的图像进行再次进行色彩均衡。
2.如权利要求1所述的融合暗通道与全局直方图拉伸的水下图像色彩恢复方法,其特征在于,步骤(1)中,采用的高斯滤波G和中值滤波M非线性结合的方式进行降噪的预处理。
7.如权利要求6所述的融合暗通道与全局直方图拉伸的水下图像色彩恢复方法,其特征在于,所述直方图拉伸模型的通过结合暗通道模型、灰度世界算法(Gray-world)的假设、以及像素值分布函数拟合确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110269729.9A CN113012065B (zh) | 2021-03-12 | 2021-03-12 | 融合暗通道与全局直方图拉伸的水下图像色彩恢复方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110269729.9A CN113012065B (zh) | 2021-03-12 | 2021-03-12 | 融合暗通道与全局直方图拉伸的水下图像色彩恢复方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113012065A true CN113012065A (zh) | 2021-06-22 |
CN113012065B CN113012065B (zh) | 2023-03-21 |
Family
ID=76406027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110269729.9A Active CN113012065B (zh) | 2021-03-12 | 2021-03-12 | 融合暗通道与全局直方图拉伸的水下图像色彩恢复方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113012065B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103700078A (zh) * | 2013-12-31 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 少量背景含雾图像的去雾方法 |
CN106897972A (zh) * | 2016-12-28 | 2017-06-27 | 南京第五十五所技术开发有限公司 | 一种白平衡与暗原色的自适应直方图水下图像增强方法 |
CN106991663A (zh) * | 2017-04-05 | 2017-07-28 | 淮海工学院 | 一种基于暗通道理论的水下彩色图像增强方法 |
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 |
-
2021
- 2021-03-12 CN CN202110269729.9A patent/CN113012065B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103700078A (zh) * | 2013-12-31 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 少量背景含雾图像的去雾方法 |
CN106897972A (zh) * | 2016-12-28 | 2017-06-27 | 南京第五十五所技术开发有限公司 | 一种白平衡与暗原色的自适应直方图水下图像增强方法 |
CN106991663A (zh) * | 2017-04-05 | 2017-07-28 | 淮海工学院 | 一种基于暗通道理论的水下彩色图像增强方法 |
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 |
Non-Patent Citations (7)
Title |
---|
BOWEN YAO ET AL: "Underwater Image Dehazing Using Modified Dark Channel Prior", 《IEEE》 * |
E.ULLAH ET AL.: "Single Image haze removal using improved Dark Channel Prior", 《ICMIC》 * |
JUN-KAI GUO ET AL: "Improving Visibility and Fidelity of Underwater", 《IEEE》 * |
洪晓斌 等: "融合图像识别和VFH+的无人艇局部路径规划方法", 《华南理工大学学报( 自然科学版)》 * |
王慧芳 等: "改进的暗通道去雾算法在多核DSP上的并行实现", 《武汉大学学报(理学版)》 * |
王成才 等: "无人船信息融合与避障关键技术综述", 《中国电子科学研究院学报》 * |
黄冬梅 等: "不同颜色模型下自适应直方图拉伸的水下图像增强", 《中国图象图形学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113012065B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107798665B (zh) | 基于结构-纹理分层的水下图像增强方法 | |
CN108596853B (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 | |
CN109523480B (zh) | 一种海雾图像的去雾方法、装置、计算机存储介质及终端 | |
Li et al. | A hybrid framework for underwater image enhancement | |
Zhou et al. | Underwater image restoration via depth map and illumination estimation based on a single image | |
CN103279931A (zh) | 基于透射率的去雾图像去噪方法 | |
CN108182671B (zh) | 一种基于天空区域识别的单幅图像去雾方法 | |
Hou et al. | Non-uniform illumination underwater image restoration via illumination channel sparsity prior | |
CN111861939B (zh) | 一种基于无监督学习的单张图像去雾方法 | |
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 | |
CN111462022B (zh) | 一种水下图像清晰化增强方法 | |
Guo et al. | Underwater image enhancement based on the dark channel prior and attenuation compensation | |
Lin et al. | Underwater image enhancement based on adaptive color correction and improved retinex algorithm | |
CN110930319A (zh) | 基于自适应透射率估计的水下图像清晰化方法 | |
Huang et al. | Underwater Image Enhancement Based on Zero-Reference Deep Network | |
CN113012065B (zh) | 融合暗通道与全局直方图拉伸的水下图像色彩恢复方法 | |
CN112070686B (zh) | 一种基于深度学习的逆光图像协同增强方法 | |
Guan et al. | DiffWater: Underwater Image Enhancement Based on Conditional Denoising Diffusion Probabilistic Model | |
Huang et al. | Image dehazing based on robust sparse representation | |
Sudhakara et al. | An edge detection mechanism using L* A* B color-based contrast enhancement for underwater images | |
CN116523794A (zh) | 一种基于卷积神经网络的低光照图像增强方法 | |
Kumar et al. | Underwater Image Enhancement using deep learning | |
CN116402702A (zh) | 基于深度神经网络的老照片修复方法及系统 | |
CN113012067B (zh) | 基于Retinex理论和端到端深度网络的水下图像复原方法 | |
CN113837963A (zh) | 基于深度网络在lab颜色空间下的水下图像增强方法 |
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 |