基于暗通道先验和自适应颜色校正的水下图像处理

研究了基于暗通道先验和自适应颜色校正的密闭空间下的水下图像处理。针对传统水下图像去雾方法对光照强度不均的密闭空间内的图像处理效果不佳以及色彩失真问题,利用暗通道原理对水下图像进行去雾后,引入自适应红通道补偿参数,改善红光缺失现象;结合渐晕模型对水下图像亮度通道进行校正,降低光强对图像成像质量的影响。所提方法在真实的密闭水下环境中进行测试,实验结果表明,相比于传统去雾算法,所提方法可以在有效改善图像亮度的同时还原图像色彩。     

融合深度学习与多尺度Retinex的水下图像增强方法

针对水下图像纹理模糊和色偏严重等问题,提出了一种融合深度学习与多尺度导向滤波Retinex的水下图像增强方法。首先,将陆上图像采用纹理和直方图匹配法进行退化,构建退化水下图像失真的数据集并训练端到端卷积神经网络(convolutional neural network,CNN) 模型,利用该模型对原始水下图像进行颜色校正,得到色彩复原后的水下图像;然后,对色彩复原图像的亮度通道,采用多尺度Retinex(multi-scale Retinex,MSR) 方法得到纹理增强图像;最后,融合色彩复原图像中的颜色分量和纹理增强图像得到最终水下增强图像。本文利用仿真水下图像数据集和真实水下图像对提出方法进行性能测试。实验结果表明,所提方法的均方根误差、峰值信噪比、CIEDE2000和水下图像质量评价指标分别为0.302 0、17.239 2 dB、16.878 4和4.960 0,优于5种对比方法,增强后的水下图像更加真实自然。本文方法在校正水下图像颜色失真的同时,能有效提升纹理清晰度和对比度。     

基于场景深度估计和背景分割的水下图像复原

针对水下图像对比度低、颜色失真、可见度低等问题，提出了一种基于场景深度估计和背景区域分割的复原方法。首先，利用多方向斜梯度算子和各颜色通道的衰减差估计图像的场景深度。然后，利用场景深度估计过程中得到的梯度和色差信息将图像的背景与前景区域分离，并分别在背景和前景区域估计背景光和透射率。在得到背景光和透射率图后，基于水下成像模型对前景区域进行场景恢复，同时采用在HSV颜色空间直方图拉伸的方法对背景区域进行对比度增强。最后，通过设置过渡区域权重图对前景和背景进行融合得到最终的复原结果。实验结果表明，所提方法能更准确地估计背景光和透射率，在对比度增强、色彩修正及清晰度提升等方面具有良好的性能。与经典的方法对比，所提方法在UIQM、UCIQE、FDUM和FADE等4个客观质量评价指标上的提升均超过15%。     

基于水下成像模型的图像清晰化算法

受水下场景中有机物和悬浮颗粒的影响,水下图像存在对比度低、颜色失真和细节丢失等问题。同时,水下场景中通常有人工光源存在,造成图像光照不均。传统基于图像去雾的方法用于水下图像复原时效果欠佳,为充分考虑水对光的吸收和散射作用,近期提出了新的水下成像模型和图像复原方法。但是这些方法未考虑红通道影响,导致估计的散射比偏大;另外,也未考虑人工光源的影响,导致估计的背景光过大。针对这些问题,该文提出一套有效的水下图像清晰化方案。首先,通过设置阈值确定是否将红通道信息用于暗通道计算,并将反映人工光源影响的饱和度指标用于散射比估计,以减小人工光源的影响。由此,提出了基于红通道预判和饱和度指标的暗通道计算方法。然后,根据三通道衰减系数比估计每个通道的透射率,可弥补目前很多方法假设蓝绿通道透射率一致的缺陷。最后,利用Shades of Gray算法估计环境光,并结合新的水下成像模型得到复原图像。实验结果表明,该文算法可显著提升图像的对比度,得到颜色自然、细节清晰的复原图像。     

基于暗原色先验模型的水下彩色图像增强算法

针对在水下环境中,光的散射和衰减导致水下光学成像质量严重下降,图像对比度低、颜色失真的问题,提出了一种暗原色先验和基于通道直方图量化的颜色校正算法相结合的图像增强新方法。对于待增强的水下彩色图像,首先建立水下光学图像成像模型,并利用优化与改进的暗原色先验算法对图像进行去模糊,然后通过分析R、G、B三通道的累积直方图,对去模糊后的彩色图像各通道灰度值进行量化,实现图像的颜色校正。实验结果表明,提出的方法可以有效地消除了由于光的散射造成图像的模糊,有效提高了水下图像的视觉效果,恢复水下图像的颜色平衡。     

基于蓝绿通道自适应色彩补偿的水下图像增强

光在水中传播时受到水的吸收和悬浮粒子散射作用,导致水下图像颜色失真、对比度低、可视性差。针对上述退化问题,该文提出一种基于蓝绿通道自适应色彩补偿水下图像增强方法。首先,该方法分析水下成像模型的特点,根据蓝、绿色通道均值在3通道均值和的占比,将水下场景深度划分3个等级,利用光衰减率特性自适应补偿色彩,实现多场景色彩校正。然后对色彩补偿后的图像划分暗调、中间暗调、中间亮调、亮调4个区域,利用暗区域映射函数将图像暗区域映射到亮区域,在提升对比度的同时抑制噪声的产生。最后采用双线性插值解决分块处理产生的区域块效应。真实水下数据集实验结果表明,与现有方法相比,该方法可以提升多种场景的水下图像质量。     

基于分类与最小卷积区域暗通道先验的水下图像恢复

为了解决水下图像在复杂水体中表现的画面模糊和颜色失真的问题，提出了一种基于HSV分类、CIELAB均衡与最小卷积区域暗通道先验（DCP）的水下图像恢复算法。基于H与S阈值将水下图像分为高饱和度失真图像、低饱和度失真图像及浅水图像等3类。分类后的水下图像分别经CIELAB均衡及自适应图像增强恢复，其中水下成像系统参数通过最小卷积区域DCP估计。实验结果表明，所提算法在图像恢复效果、评价质量和实时性指标上均优于对比算法，其中峰值信噪比和结构相似指数值分别平均提升了26.88%和17.3%，水下彩色图像质量评价值提升了4.3%。     

基于暗通道先验改进算法的水下图像增强方法研究

针对水下图像受介质散射和吸收的影响所出现的颜色失真、对比度低和细节模糊等问题,提出水下图像增强的暗通道先验改进算法。采用白平衡处理对水下图像的蓝(绿)色偏进行颜色校正,进而在LAB空间对图像L分量进行同态滤波处理,从而获得暗部细节提亮的图像。在RGB空间对图像分别进行CLAHE处理增强图像对比度,解决图像雾化问题,MSRCR处理提高图像色彩饱和度并均衡图像亮度。根据暗通道先验图像计算融合权重系数对所得到的3幅图像进行加权融合与细节增强,得到最终增强图像。实验结果表明,所提算法能够有效消除图像颜色失真情况,增强的图像呈现出高对比度和更清晰的细节。     

基于暗通道和伽马变换的水下图像增强

光在水下传播存在吸收和散射现象,导致水下图像颜色失真、对比度低.为此,提出了一种基于暗通道先验和伽马变换的水下图像增强算法.首先,在RGB空间利用暗通道先验估计水下图像透射率和大气光照值,加权处理后得到自适应补偿参数,进而对图像颜色校正.在此基础上,将增强后的RGB图像转化到HSV颜色空间,对V通道进行自适应伽马变换,...     

基于光衰减先验和背景光融合的水下图像复原

针对水下图像存在颜色失真和视觉模糊等问题,提出基于光衰减先验和背景光融合的水下图像复原算法.首先通过最大强度先验计算背景光一,基于图像四叉树的方法估计背景光二,根据水下图像光照的亮暗情况对两个局部背景光进行融合,确定全局背景光;其次根据光衰减先验估计场景的相对深度,进而计算三个通道的透射率;然后逆求解水下光学成像模型以...     

基于限制对比度颜色校正的水下图像增强

针对水下图像对比度低、颜色失真的问题,提出了限制对比度自适应的颜色校正模型算法,在灰度的基础上,先求出RGB各个通道的均值然后进行对比判断,根据均值的大小来决定是一端线性拉伸还是两端线性拉伸。该方法基于颜色平衡、RGB色彩模型和HSI颜色模型的对比度校正。基于增强水下图像质量的需求,该算法在CLAHE分块进行局部处理方式的基础上,对每小块区域进行限制对比度,然后运用颜色校正模型算法,并采用双线性插值来提高算法的效率,实验结果表明该算法更加优异。     

基于颜色衰减先验和视觉显著性的水下图像增强算法

针对水下拍摄的图片存在颜色失真、细节和边缘模 糊等特点,提出了一种基于颜色衰减先验的水下图像增强算法。首先在计算暗通道函数时,用最小值滤波去噪。然后,对图片进行显著图处理,利用颜色先验法则完成深度估计。此滤波方法不仅能降噪,还可以防止颜色失真。最后,基于模型简化获得复原的图片,将其进行伽马变换进行校正,实现柔性去雾。实验结果表明,本文算法与几种典型的水下图像去雾算法相比,能够较好提高图像的清晰度和对比度,同时获得较好的图像颜色。     

基于改进条件生成对抗网络的水下图像增强方法

光在水中传播使得红色光衰减严重,从而导致水下图像在颜色上出现偏绿或偏蓝的颜色色差。针对这一红色光衰减现象,提出了一种改进条件生成对抗网络的方法来对水下图像进行增强处理。首先使用动态阈值对原始图像进行初步颜色校正,之后利用条件生成对抗网络在编码与解码连接处引入链接块学习水下图像与正常图像之间的映射关系来实现水下图像的色彩恢复,再使用双边滤波算法进行图像去噪,提高图像的可视性。在损失函数中引入L1与L2损失结合对图像颜色进行学习,同时加入焦点损失来解决样本比例高度不平衡现象。实验结果表明,此方法在水下图像的颜色失真和模糊方面都有很好的增强效果,获得了较好的视觉效果。     

区域透射率融合的暗通道图像去雾方法

针对传统基于暗通道先验的去雾方法容易导致边缘区域和天空区域分别出现伪影和颜色失真的问题，提出了一种基于区域透射率融合的暗通道图像去雾方法。首先，将含雾图像分为非天空、天空及过渡边缘等3个区域。其次，在暗通道结合块透射率估计和点透射率估计分别对非天空区域和过渡边缘区域进行融合，并利用梯度域引导滤波进行平滑处理，得到融合后的暗通道透射率。然后，合成天空区域的亮度透射率和暗通道融合透射率，以获得最终的透射率。最后，利用得到的透射率和改进后的大气光值对图像进行复原，得到去雾结果图像。实验结果表明，与传统暗通道方法相比，所提方法明显更优，其在有效抑制边缘伪影的同时能够较好地保留含雾图像的颜色特征。所提方法得到的去雾图像在主观评价和客观评价方面均能取得更好的结果。     

基于模糊集分类的单幅图像去雾算法

针对高亮度区域导致大气光强度A 计算不准确以及复原图像颜色失真影响图像去 雾效果的问题,提出一种基于模糊集分类的单幅图像去雾算法。首先从暗通道模型出发,对 图像进行分割并采用基于模糊集理论的图像分 类算法确定符合暗通道先验理论的非明亮区域,避免了天空等高亮区域对大气光强度计算 的影响;然后利用快速双边滤波方法既具有平滑效果,又具有边缘细节保持的特性,估计大 气耗 散函数,进而精确恢复场景透射率;最后由大气散射模型复原图像,并进行基于人眼视觉的 亮 度、色调的调整,修正图像中颜色失真区域,提高视觉效果。与经典算法相比,本文算法在 细节、色彩保真度具有较大改进。     

基于MSRCR的水下图像清晰化算法

针对水体、悬浮颗粒对光线极强的散射效应导致水下图像细节模糊、对比度下降及颜色失真的问题,在水下光学成像模型的基础上,利用改进的暗通道先验算法对图像进行清晰化处理,并结合MSRCR算法对图像进行颜色恢复,实验结果图像和客观质量评价指标显示,该算法提高了图像清晰度和对比度,并且达到了修正色彩不平衡的效果。     

基于背景光修正成像模型的水下图像复原

光在水下传播时由于受到水体吸收和散射作用的影响,导致水下图像质量严重退化。为了有效去除色偏和模糊,改善水下图像质量,该文提出一种基于背景光修正成像模型的水下图像复原方法。该方法基于对雾天图像的观察,提出了水下图像背景光偏移假设,并基于此建立背景光修正成像模型;随后使用单目深度估计网络获得场景深度的估计,并结合背景光修正的水下成像模型,利用非线性最小二乘拟合获得水下偏移分量的估计值从而实现水下图像去水;最后优化去水后的含雾图像的透射率,并结合修正后的背景光实现图像复原。实验结果表明,该文方法在恢复水下图像颜色和去除散射光方面效果良好。     

基于颜色失真去除与暗通道先验的水下图像复原

水下图像成像过程与雾天图像虽然类似,但因水对光的选择性吸收和光的散射作用,水下图像存在颜色衰减并呈现蓝(绿)色基调,传统的去雾方法用于水下图像复原时效果欠佳。针对这类方法出现的缺点,该文根据先去除颜色失真后去除背景散射的思路,提出一种新的水下图像复原方法。结合光在水中的衰减特性,提出适用于水下图像的颜色失真去除方法,并利用散射系数与波长的关系修正各通道透射率;另外,该文改进的背景光估计方法可有效避免人工光源、白色物体、噪声等影响。实验结果证明,该文方法在恢复场景物体原本颜色和去除背景散射方面效果良好。     

基于结构纹理融合的水下图像增强算法

针对水下环境中采集的图像存在颜色失真、雾化现象等问题,提出一种基于结构纹理融合的水下图像增强算法。首先,采用自动色彩增强方法对图像进行颜色校正;然后,结合水下图像的特点,通过二次引导滤波将图像分解为低频结构层和高频纹理层;其次,利用红色暗通道先验来非局部消除雾化对低频层进行增强操作,同时利用最小化梯度残留的方法对高频层进行去噪处理;最后,将增强后的结构层与去噪后的纹理层相融合,得到清晰的结果。实验表明,该方法能够有效增强图像质量,同对比算法在主观和客观评价上均有显著提升。     

基于超像素暗通道和自动色阶优化的图像去雾算法

针对暗通道先验(dark channel prior, DCP)复原图像中的光晕现象、明亮区域色彩失真、环境光估计不准确等问题,提出了基于超像素暗通道和自动色阶优化的单幅图像去雾算法。首先,由改进的White Patch Retinex算法增强图像并计算精确环境光。接着,在传统暗通道去雾算法中引入超像素图像分割和引导滤波算法,使透射率估计的稳健性与精确性得以提升。然后,采用自适应容差对明亮区域的透射率进行补偿,有效抑制明亮区域色彩失真问题。最后,以自动色阶优化算法提高图像对比度。将本文去雾算法与其他算法从主观和客观两个维度进行比较,实验结果表明：采用不同算法对不同浓度的自然雾图进行对比实验,信息熵提高0.2 bit,峰值信噪比(peak signal-to-noise ratio,PSNR)提高0.8 dB,运行效率提高。该算法对不同浓度含雾图像具有良好的适应性,复原图像色彩真实、纹理清晰、细节丰富,去雾效果良好。