一种基于纹理颜色特征和优化透射率的水下图像复原方法专利检索-方块效应图形技术专利检索查询-专利查询网

一种基于纹理颜色特征和优化透射率的水下图像复原方法

阅读：666发布：2020-05-12

专利汇可以提供一种基于纹理颜色特征和优化透射率的水下图像复原方法专利检索，专利查询，专利分析的服务。并且本发明公开一种基于纹理颜色特征和优化透射率的水下图像复原方法，包括以下步骤：(1)建立水下图像光学成像模型；(2)输入原始水下图像，基于纹理特征和颜色特征估计原始水下图像的全局背景光；(3)估计透射率；包括红亮通道透射率和蓝、绿通道透射率的估计；(4)复原水下图像并进行细节增强，最终输出清晰的水下图像。本发明方法能够更加准确的恢复出水下图像的颜色和对比度，有效减少图像的欠饱和与过饱和；可以减少颜色失真，复原后的图像具有较高的清晰度和质量；能更准确的估计背景光，具有更高的鲁棒性和自适应性。，下面是一种基于纹理颜色特征和优化透射率的水下图像复原方法专利的具体信息内容。

权利要求

1.一种基于纹理颜色特征和优化透射率的水下图像复原方法，其特征在于，包括以下步骤：
(1)建立水下图像光学成像模型；
(2)输入原始水下图像，基于纹理特征和颜色特征估计原始水下图像的全局背景光；
(3)估计透射率；包括红通道透射率和蓝、绿通道透射率的估计；
(4)复原水下图像并进行细节增强，最终输出清晰的水下图像。
2.根据权利要求1所述基于纹理颜色特征和优化透射率的水下图像复原方法，其特征在于，步骤(1)中根据光在水中传播特性，水下图像光学成像模型表示为：
Ic(x)＝Jc(x)tc(x)+Bc(1-tc(x)),c∈{r,g,b}
x表示场景中的点，c表示红(r)、蓝(b)、绿(g)3个颜色通道，Ic(x)是水下退化图像，Jc(x)是未退化的清晰图像，Bc是背景光，tc(x)是媒介透射率；Jc(x)tc(x)表示直接传输分量，Bc(1-t(x))表示后向散射分量，前向散射相比于后向散射忽略不计；假设介质是均匀的，媒介透射率表示为：
βc是c颜色通道的衰减率，d(x)是相机到场景点的距离。
3.根据权利要求1所述基于纹理颜色特征和优化透射率的水下图像复原方法，其特征在于，步骤(2)中对于单幅水下图像，背景光是一个恒定值，全局背景光的值决定了复原后图像的色调、去雾质量、对比度和亮度；基于背景区域的纹理特征和颜色特征，提出一种准确估计背景光的算法，包括以下步骤：
(201)选取纹理信息最少的区域进行背景光的估计；将梯度算子作为边缘检测算法，用梯度值表示区域纹理信息的多少；首先求出图像的梯度图
gh，gv分别是水平方向的梯度和垂直方向的梯度，h，v分别代表水平方向和垂直方向，Igray是原图像的灰度图；
之后对梯度图进行最大值滤波，得到梯度通道图Gmax为：
其中，Ω(x)是以点x为中心的局部区域，y是Ω(x)中的点；
(202)选取梯度通道的最小值区域作为背景光区域，引入红亮通道对梯度通道进行修正；
对红通道进行最大值滤波得到红亮通道Rmax：
Ir(y)是原图像的红通道；
(203)结合纹理特征与颜色特征估计背景光；利用红亮通道与梯度通道之间的差对梯度通道进行修正，修正梯度通道图CGmax为：
在局部区域Ω(x)内，当Rmax和Gmax之间的差值大于α时，说明Gmax将前景中大片均匀区域错误估计为背景区域，此时CGmax选择Rmax的值；当差值小于α时，仍然选择Gmax的值；α的值设为0.7；
为了更精确估计背景光，使用引导滤波对修正梯度通道图CGmax进行精细化，引导滤波能够对图像进行细化，保留图像边缘信息和纹理信息；最后选出CGmax的前0.1％小的局部区域，并将CGmax的前0.1％小的局部区域所对应原图区域的像素平均值作为背景光的估计值。
4.根据权利要求1所述基于纹理颜色特征和优化透射率的水下图像复原方法，其特征在于，步骤(3)包括以下步骤：
(301)估计红通道透射率
假设局部区域L的透射率值恒定，使R通道局部区域的信息损失最小的成本函数为：
Jr(x)是红通道复原后的图像，r代表红通道，L为局部区域，min为最小值函数，max为最大值函数；使用信息熵的负数作为对比度的成本函数：
entropy是信息熵函数，为局部区域L的透射率值，Br为红通道背景光，上式是在图像局部区域L中计算信息熵；图像X的信息熵为：
p(F(x))表示图像X中点x处像素值为F的概率；
综合考虑信息损失和对比度，优化估计透射率图的代价函数Cost为：
Cost＝InfLosscost+Contrastcost
优化透射率图的过程为：在局部区域内，分别计算透射率取不同值时的代价函数函数Cost，取Cost最小时的透射率值作为该区域的透射率估计值，通过估计图像每个局部区域的透射率，得到红通道的透射率图，最后使用引导滤波对红通道透射率图进行精细化以避免复原图像中的块效应；
(302)估计蓝绿通道透射率
基于水下光线衰减的光学特性，使用红通道的透射率图和背景光计算蓝、绿通道的透射率图，对水下固有光学特性分析，蓝、绿通道的衰减率βb,βg与红通道的衰减率βr的关系为：
λr＝620nm、λb＝450nm、λg＝540nm表示红光、蓝光、绿光的标准波长，m＝-0.00113，i＝
1.62517，Br，Bg，Bb分别是红、绿、蓝通道的背景光值；
能够得出蓝、绿通道透射率tb(x)，tg(x)与红通道透射率tr(x)之间的关系为：
估计出全局背景光和红通道的透射率tr(x)，计算蓝、绿通道的透射率：
5.根据权利要求1所述基于纹理颜色特征和优化透射率的水下图像复原方法，其特征在于，步骤(4)中，依据水下图像光学成像模型，在背景光和透射率已知的情况下，可由原图像Ic(x)复原出清晰的水下图像Jc(x)：
在图像复原之后，加上细节增强算法，使用限制对比度自适应直方图均衡算法(Contrast Limited Adaptive Histogram Equalization，CLAHE)，将图像转换到Lab颜色空间，只对L(亮度)通道进行处理。

说明书全文

一种基于纹理颜色特征和优化透射率的水下图像复原方法

技术领域

[0001] 本发明属于图像处理、计算机视觉技术领域，涉及一种基于纹理颜色特征和优化透射率的水下图像复原方法。

背景技术

[0002] 由于海洋巨大的开发前景，世界各国都扩大了对海洋的侦测和勘探。水下探测设备是海底考察和观测必不可少的设备，大多配备光学成像系统，可见光图像是水下探测设备的主要信息来源之一。但是，在水下图像/视频的拍摄过程中，由于水体对光线的吸收和散射，水体中有机物质和大量悬浮颗粒的散射作用，以及拍摄时引入的人造光源，会导致水下图像/视频的质量严重退化，水下图像常会出现对比度低、颜色失真、细节模糊、光照不均匀等问题，会给信息的获取与辨识带来困难，严重影响水下环境监测以及水下图像后处理。因此针对不同水下环境和光照条件拍摄的图像/视频进行清晰化处理，使其符合人类的视觉特性和机器识别的需要，对应用于实际工程和科学研究具有重要的价值。

[0003] 根据是否基于成像模型，水下图像清晰化方法可分为图像增强方法和图像复原方法。图像增强方法是根据特定的需求，增强图像中某些重要的信息同时削弱一些不需要的信息，使用定量的客观标准衡量来达到图像优化的目的，算法过程中并不过多考虑成像中的物理过程和成像模型；图像复原方法致力于恢复场景原有的光学特性，算法过程多基于水下图像退化模型，并通过逆求解成像模型来获取增强图像。图像复原方法依赖于对水体光学参数、相机参数、景物距离等信息的获取，一般会通过各种手段估计出这些信息。

发明内容

[0004] 本发明的目的是为了克服现有技术中的不足，提供一种基于纹理颜色特征和优化透射率的水下图像复原方法，本发明通过综合利用背景区域的纹理特征和颜色特征和优化透射率模型，研究出能够有效修正水下图像颜色偏差、解决其对比度和清晰度低、纹理和细节丢失等问题的水下图像复原方法。

[0005] 本发明的目的是通过以下技术方案实现的：

[0006] 权利要求确定后此处完善

[0007] 与现有技术相比，本发明的技术方案所带来的有益效果是：

[0008] 1)本发明首次采用基于背景区域的纹理特征和颜色特征进行背景光估计，相较以往单纯采用颜色特征或者暗通道先验的方法，本发明的方法能更准确的估计背景光值，可以更准确地恢复出图像本真的颜色，并且该方明具有更高的鲁棒性和自适应性；

[0009] 2)本发明提供了一种基于信息损失最小和对比度最大的优化原则的透射率估计方法，与现有的水下图像透射率估计方法相比，对比度最大的优化原则能够更加准确的恢复出水下图像对比度，信息损失最小原则可以有效减少图像颜色的欠饱和与过饱和；

[0010] 3)本发明提供了一种基于水下固有特性的蓝、绿透射率计算方法，该方法与现有方法相比较，可以减少颜色失真。附图说明

[0011] 图1给出了本发明复原水下图像的流程框架；

[0012] 图2给出了复原过程中信息损失的示意图；

具体实施方式

[0013] 以下结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

[0014] 为了恢复出清晰并且颜色较真实的水下图像，本发明的技术路线为：依据背景区域的纹理特征和颜色特征，使用梯度通道并结合红亮通道修正估计背景光，通过使信息损失最小和信息熵最大的原则优化估计红通道透射率图，再利用水体固有的光学特性，计算蓝、绿通道的透射率图，然后通过逆求解成像模型复原水下图像。见图1，具体技术方案详述如下：

[0015] 步骤1.建立水下图像光学成像模型；

[0016] 本实施例综合利用背景区域特征和优化方法，实现了一种基于纹理颜色特征和优化透射率的水下图像复原方法。根据光在水中传播特性，水下光学成像模型表示为：

[0017] Ic(x)＝Jc(x)tc(x)+Bc(1-tc(x)),c∈{r,g,b}

[0018] x表示场景中的点，c表示红(r)、蓝(b)、绿(g)3个颜色通道，Ic(x)是水下退化图像，Jc(x)是未退化的清晰图像，Bc是背景光，tc(x)是媒介透射率。Jc(x)tc(x)表示直接传输分量，Bc(1-t(x))表示后向散射分量，前向散射相比于后向散射可以忽略不计。假设介质是均匀的，媒介透射率可以表示为：

[0019]

[0020] βc是c颜色通道的衰减率，d(x)是相机到场景点的距离。

[0021] 步骤2.基于纹理和颜色特征估计全局背景光

[0022] 对于单幅水下图像，背景光是一个恒定值，全局背景光的值直接决定了复原后图像的色调、去雾质量、对比度和亮度。基于背景区域的纹理特征和颜色特征，提出一种准确估计背景光的算法。具体步骤如下：

[0023] 步骤2.1，基于纹理特征计算梯度通道

[0024] 背景光的值由周围环境光决定，通常是原图中的纯水区域或者场景中蓝绿色偏最严重区域的值，一般是图像中最平坦，纹理特征最少的区域，依据此特点，选取纹理信息最少的区域进行背景光的估计。梯度算子作为边缘检测算法，能较好地反映图像的纹理，本文用梯度值表示区域纹理信息的多少。首先求出图像的梯度图▽I(x)：

[0025]

[0026] gh，gv分别是水平方向的梯度和垂直方向的梯度，h，v分别代表水平方向和垂直方向，Igray是原图像的灰度图。

[0027] 然后对梯度图进行最大值滤波，得到梯度通道图Gmax为：

[0028]

[0029] 其中，Ω(x)是以点x为中心的局部区域，y是Ω(x)中的点。

[0030] 步骤2.2，基于颜色特征计算红亮通道

[0031] 计算梯度通道后，可以选取梯度通道的最小值区域作为背景光区域，但是当前景中出现大片均匀区域时，该算法可能将前景均匀区域错误估计为背景区域，影响背景光的估计，为了避免该情况，引入红亮通道对梯度通道进行修正。

[0032] 由于水对光的选择性吸收，水下图像的雾一般是蓝绿色，背景光区域往往是蓝绿色偏最严重的区域，该区域的红通道值最小，利用该特性对梯度通道修正。先对红通道进行最大值滤波得到红亮通道Rmax：

[0033]

[0034] Ir(y)是原图像的红通道。

[0035] 步骤2.3，结合纹理特征与颜色特征估计背景光，即结合梯度通道与红亮通道估计背景光；

[0036] 由于红亮通道只和场景颜色有关，与图像纹理无关，当梯度通道的均匀前景区域的值较小，可能被估计为背景区域时，红亮通道在该区域的值反而会比较高，因为前景中红光衰减较少，红亮通道的值会比较高；对于背景区域，与梯度通道一样，红亮通道的值也比较低。可以利用两个通道之间的差对梯度通道进行修正，修正梯度通道图CGmax为：

[0037]

[0038] 在局部区域Ω(x)内，当Rmax和Gmax之间的差值大于α时，说明Gmax将前景中大片均匀区域错误估计为背景区域，此时CGmax选择Rmax的值；当差值小于α时，仍然选择Gmax的值。通过大量实验，α的值设为0.7。

[0039] 为了更精确估计背景光，使用引导滤波对修正梯度通道图CGmax进行精细化，引导滤波可以对图像进行细化，保留图像边缘信息和纹理信息。最后，选出CGmax的前0.1％小的局部区域，将其所对应原图区域的像素平均值作为背景光的估计值。

[0040] 步骤3估计RGB透射率

[0041] 步骤3.1，估计红(R)通道透射率；由于水对光的选择性吸收，需要在RGB颜色空间中估计三个通道的透射率图，其中红通道退化最严重，最具有代表性，先估计红通道的透射率图。

[0042] 由成像模型可得出R通道复原后的图像Jr(x)：

[0043]

[0044] 可以看出，当背景光确定之后，复原图像Jr(x)是透射率图tr(x)的函数，tr(x)将Ir(x)映射到Jr(x)。

[0045] 如图2所示，横坐标是Ir(x)的像素值[0,255]，其中[α,β]对应于纵坐标Jr(x)像素值[0,255]，tr(x)的值决定了α,β的取值，当Ir(x)像素值在[α,β]之外时，Jr(x)的像素值就会大于255或者小于0，这时就发生了信息损失，如图2中的黑色区域，复原图像会出现过饱和或欠饱和的区域。

[0046] 为减少信息损失，可以通过优化透射率使信息损失最小。假设局部区域L的透射率值恒定，在局部区域L中，红通道的信息损失InfLoss为：

[0047]

[0048] 为Jr(x)的局部区域，r代表红通道，L为局部区域，min为最小值函数，max为最大值函数，将代入:

[0049]

[0050] 为Ir(x)的局部区域，为局部区域L的透射率值，Br为红通道背景光，本文假设局部区域的透射率值恒定，因此是一个常数。

[0051] 在估计透射率图时，只考虑信息损失会避免出现过饱和或者欠饱和的情况，但是可能造成图像对比度的损失，为了使复原后图像具有更多细节，本文在信息损失最小的基础上加入对比度最大的约束。本文使用信息熵表示对比度，信息熵对单点噪声不敏感，不会放大图像噪声，并且信息熵越大代表图像信息量越多，对比度越大，因此使用信息熵的负数作为对比度的成本函数：

[0052]

[0053] entropy是信息熵函数，上式是在图像局部区域L中计算信息熵。图像X的信息熵为：

[0054]

[0055] p(F(x))表示X中点x处像素值为F的概率。

[0056] 综合考虑信息损失和对比度，优化估计透射率图的代价函数Cost为：

[0057] Cost＝InfLosscost+Contrastcost

[0058] 优化透射率图的过程为：在局部区域内，分别计算透射率取不同值时的代价函数函数Cost，取Cost最小时的透射率值作为该区域的透射率估计值，通过估计图像每个局部区域的透射率，就可以得到红通道的透射率图，为了避免复原图像中的块效应，再使用引导滤波对红通道透射率图进行精细化。

[0059] 步骤3.2，估计蓝(B)、绿(G)通道透射率

[0060] 如果采用同样的策略估计蓝、绿通道的透射率图，复原结果并不理想，这是因为水下图像同一位置的三个通道之间是有关联的，如果将三个通道分开估计，会破坏颜色通道之间的固有关系，引入色偏。

[0061] 为了避免该情况，基于水下光线衰减的光学特性，使用红通道的透射率图和背景光计算蓝、绿通道的透射率图，对水下固有光学特性分析，蓝、绿通道的衰减率βb,βg与红通道的衰减率βr的关系为：

[0062]

[0063]

[0064] λr＝620nm、λb＝450nm、λg＝540nm表示红光、蓝光、绿光的标准波长，m＝-0.00113，i＝1.62517，Br，Bg，Bb分别是红、绿、蓝通道的背景光值。

[0065] 可以得出蓝、绿通道透射率tb(x)，tg(x)与红通道透射率tr(x)之间的关系为：

[0066]

[0067]

[0068] 估计出全局背景光和红通道的透射率tr(x)，计算蓝、绿通道的透射率：

[0069]

[0070]

[0071] 步骤3.3，复原水下图像

[0072] 依据水下图像成像模型，在背景光和透射率已知的情况下，可由原图像Ic(x)复原出清晰的水下图像Jc(x)：

[0073]

[0074] 步骤4，细节增强

[0075] 为了更好的视觉效果和后续检测、识别应用，在图像复原之后，加上细节增强算法。遵循不改变图像颜色，只增强细节的原则，使用限制对比度自适应直方图均衡算法(Contrast Limited Adaptive Histogram Equalization，CLAHE)，将图像转换到Lab颜色空间，只对L(亮度)通道进行处理。

[0076] 本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。

标题	发布/更新时间	阅读量
块效应去除方法及去块效应滤波器	2020-05-11	265
一种基于暗通道先验的图像去雾透射率优化方法	2020-05-13	850
基于无反馈码率控制的分布式视频压缩感知系统及方法	2020-05-14	233
大幅遥感影像语义分割分块效应消除方法及系统	2020-05-15	589
扩展参考像素样值集的图像编码或解码方法	2020-05-15	329
一种结合块匹配和串匹配的图像压缩方法	2020-05-08	741
结合块匹配和串匹配的图像压缩方法	2020-05-11	601
图像质量评价方法、装置和电子设备	2020-05-15	948
一种面向压缩人脸图像的自适应去块效应方法	2020-05-12	150
一种基于能量和纹理分析的无参考图像客观质量评价方法	2020-05-16	805

一种基于纹理颜色特征和优化透射率的水下图像复原方法

一种基于纹理颜色特征和优化透射率的水下图像复原方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：