基于改进暗原色先验和颜色校正的水下图像增强 下载: 1390次
1 引言
海洋中含有丰富的油气资源、生物资源和海洋能资源等,海洋探索离不开先进的水下探测技术,获取水下图像是人类了解海洋的重要方式之一。目前水下成像已广泛应用于水下环境监测、海底管道检查、鱼群搜索等领域。但水下环境复杂,除了水本身会吸收和散射光线之外,水中的有机物质、悬浮颗粒以及浮游生物也会对其吸收和散射,同时水对不同光谱区域的光吸收程度不同,致使水下图像与空气中采集的图像相比,除了含有噪声和畸变以外,还存在对比度低、模糊、颜色丢失等问题,严重影响了后续分析和处理。
水下图像清晰化方法主要可分为图像增强和图像复原两大类[1]。图像增强是指通过突出图像有用信息或者抑制图像无用信息,来提高图像质量,改善图像视觉效果。在可见光谱区域,水对红光吸收最为强烈, 蓝光因其波长最短,吸收最小,所以在水下获取的图像会出现颜色信息丢失、图像表面仿佛覆盖一层蓝绿色薄纱的现象,同时水中的悬浮颗粒对光进行散射,导致水下图像对比度下降[2]。空气中的暗原色先验去雾算法可以有效提高雾天图像清晰度,许多研究学者提出将暗原色先验用于水下图像增强。Liu等[3]中认为空气中的雾天图像和水下模糊图像都是由于光被吸收和散射而导致图像中目标仿佛被一层薄纱遮挡,他们将空气中的暗原色先验去雾算法直接用于水下图像增强;Wen等[4]结合光的衰减特性,只考虑蓝绿两个颜色通道的信息求取暗原色通道,并单独估计红色通道的透射率;Li等[5]先直接采用空气中暗原色先验算法提高图像清晰度,后采用自适应亮度调节算法提高图像对比度;倪锦艳[6]采用空气暗原色先验算法求取水下图像透射率,并根据物体颜色和图像背景光对透射率进行自适应优化,利用色温调节还原物体颜色。上述方法虽然在一定程度上改善了水下图像质量,但在后向散射严重的情况下图像质量的改善效果不是很明显,并且某些算法运算不是复杂度高,就是仅适用于特定场合,实际应用范围有限。
本文结合光在水下的传播特性,提出一种基于改进暗原色先验和颜色校正的水下图像增强方法,能够有效地提高图像对比度和改善颜色失真现象,且不依赖于水体各项参数,算法实时性高。主要工作包括:通过分析雾天成像模型和水下成像模型的区别和联系后,提出求取水下暗原色通道和图像背景光时考虑红色通道的逆通道;改进暗通道求取方法可以有效去除后向散射;改进的背景光估计方法可以有效避免水体中白色物体的干扰,稳健性较高;利用白平衡算法对增强后的水下图像进行颜色校正,可以补偿颜色失真。
2 水下光图像成像模型
根据Jaff-McGlamery模型[7
如
直接光是指直接被物体反射进入摄像机的光线,其光强的表达式为
式中
前向散射光是指物体反射光经小角度散射后形成的光,导致图像模糊,其光强用卷积可表示为
式中“
其中
由
式中
将(2)、(3)、(5)式代入(1)式可得总光强的详细表达式,即
当物体与摄像机相距很小时,前向散射光引起的模糊可以忽略,因此(6)式可简化为
摄像机接收到的总光强
3 改进暗原色先验水下增强
3
雾天成像模型为
式中
He等[9]对室外多数的无雾图像分析和统计可得:大部分无雾图像中,排除天空区域后,在其他的局部区域内,RGB三通道中的某个通道里的像素值非常低或者趋向于零,对应的像素被命名为暗原色像素。假设
式中
3
若设水下透射率
对比(8)式中的雾天成像模型和(10)式中水下成像模型可以发现,两者的表达形式相同,只是每个参数表示的含义不同。空气中的透射率
水下模糊图像形成过程与空气中的含雾图像相似,它们都被浑浊的传输介质退化,图像中的光强皆可分为两部分:直接光和被传输介质散射的光。但由于水下与大气光衰减的方式不同,不能直接将空气中的暗原色先验用于恢复
无雾图像的三通道里通常在某一通道里的像素值非常低,空气中的暗原色通道根据上述特点求取。而在水下由于红光最先衰减完,所以
式中
由于红光先衰减完,水下图像的颜色主要由蓝绿色支配,整幅图像被蓝绿色笼罩,这将导致暗原色通道整体偏亮,与雾天图像的暗原色通道一致,如
图 2. 水下暗原色通道先验对比。 (a) 水下图像; (b) 传统暗原色通道; (c) 文献[ 9]的暗原色通道; (d) 本文算法暗原色通道
Fig. 2. Comparison in underwater dark channel prior. (a) Underwater image; (b) traditional dark channel; (c) dark channel of Ref. [9]; (d) dark channel of our method
3
在空气中,对暗原色通道中的亮度值从大到小排列后,找出排在前0
式中
3
考虑到利用红色通道的逆通道求取水下暗通道,因此在求取水下透射率时,红通道透射率和蓝绿通道透射率求取方法不同,水下蓝光和绿光被吸收和散射的程度相似,假定在某一区域
分别对红通道和蓝绿通道取最小运算,背景光值
由文献[ 10]可知, (14) 式满足如下不等式
水下暗原色通道
联立 (15)
红光在水下衰减最快,因此红光的透射率最小,则
在不同的水质中,红蓝绿3种光的衰减系数不同,
利用区域为单位估计出的透射率,会产生块效应,采用文献[
11]的导向滤波对各通道透射率进行细化,结果如
图 3. 透射率细化。 (a) R通道的透射率; (b)导向滤波后的透射率
Fig. 3. Refined transmission. (a) Transmission of R channel; (b) transmission after guided filtering
求取出透射率和背景光即可恢复出清晰的图像,其光强可表示为
式中
4 颜色校正
由于在水下拍摄的图像呈蓝绿色,很多颜色产生了偏离和失真,因此对经过水下暗原色处理后的水下图像采用白平衡进行增强,采用灰度世界算法对图像进行校正。该算法不仅效果较佳,而且运算复杂度低。先计算各通道的平均值
利用增益系数对水下暗原色增强后的图像各通道进行加权后,得到颜色校正后的图像。
5 算法流程
先利用适合于水下的暗原色先验算法去除图像中的后向散射光,后采用白平衡算法对图像颜色进行校正,得到增强后的图像,该算法流程如
6 实验结果与分析
为了验证本文算法的有效性,分别与文献[
9]和文献[
4]中的算法进行对比分析,选取4组后向散射程度不同的水下图像进行处理,这些图像的拍摄状态和距离都未知,且按照后向散射程度逐渐加剧的顺序进行排列,相应的处理结果如
利用图像清晰度和对比度[13]对处理结果进行客观评价,如
图 5. 第1组图像处理结果。 (a) 原图像; (b) 文献[ 9]算法; (c) 文献[ 4]算法; (d)本文算法
Fig. 5. First set of image processing results. (a) Original image; (b) result using the method of Ref. [9]; (c) result using the method of Ref. [4]; (d) result using our method
图 6. 第2组图像处理结果。 (a) 原图像; (b) 文献[ 9]算法; (c) 文献[ 4]算法; (d)本文算法
Fig. 6. Second set of image processing results. (a) Original image; (b) result using the method of Ref. [9]; (c) result using the method of Ref. [4]; (d) result using our method
图 7. 第3组图像处理结果。 (a) 原图像; (b) 文献[ 9]算法; (c) 文献[ 4]算法; (d)本文算法
Fig. 7. Third set of image processing results. (a) Original image; (b) result using the method of Ref. [9]; (c) result using the method of Ref. [4]; (d) result using our method
图 8. 第4组图像处理结果。 (a) 原图像; (b) 文献[ 9]算法; (c) 文献[ 4]算法; (d)本文算法
Fig. 8. Fourth set of image processing results. (a) Original image; (b) result using the method of Ref. [9]; (c) result using the method of Ref. [4]; (d) result using our method
表 1. 4组图像清晰度对比
Table 1. Clarity compared on four images
|
表 2. 4组图像对比度对比
Table 2. Contrast compared on four images
|
采用文献[ 9]的算法处理后的水下图像清晰度和对比度提高较少,第4组水下图像几乎被绿色所覆盖,处理后的清晰度几乎与原图像相等,说明该算法已失效;采用文献[ 4]的算法处理轻度后向散射的第1组水下图像后改善效果比较明显,清晰度和对比度大幅度提高,但处理第4组图像后的清晰度和对比度下降;采用本文算法处理后的水下图像清晰度和对比度皆有所提高,采用本文算法和文献[ 4]的算法处理第3组图像后的清晰度虽然相差甚微,但经过本文算法对去除后向散射的图像颜色进行校正后,与实际拍摄场景更为相符。
为了进一步观察处理结果,采用canny算子对处理前后的水下图像进行边缘检测,结果如
图 9. 第1组图像边缘检测结果。 (a) 原图像; (b) 文献[ 9]算法; (c) 文献[ 4]算法; (d)本文算法
Fig. 9. First set of edge detection results. (a) Original image; (b) result using the method of Ref. [9]; (c) result using the method of Ref. [4]; (d) result using our method
图 10. 第2组图像边缘检测结果。 (a) 原图像; (b) 文献[ 9]算法; (c) 文献[ 4]算法; (d)本文算法
Fig. 10. Second set of edge detection results. (a) Original image; (b) result using the method of Ref. [9]; (c) result using the method of Ref. [4]; (d) result using our method
图 11. 第3组图像边缘检测结果。 (a) 原图像; (b) 文献[ 9]算法; (c) 文献[ 4]算法; (d)本文算法
Fig. 11. Third set of edge detection results. (a) Original image; (b) result using the method of Ref. [9]; (c) result using the method of Ref. [4]; (d) result using our method
图 12. 第4组图像边缘检测结果。 (a) 原图像; (b) 文献[ 9]算法; (c) 文献[ 4]算法; (d)本文算法
Fig. 12. Fourth set of edge detection results. (a) Original image; (b) result using the method of Ref. [9]; (c) result using the method of Ref. [4]; (d) result using our method
7 结论
与空气成像环境相比,水下环境更为复杂,采集的水下图像主要存在对比度低、模糊和颜色失真等问题。由于水对光的选择性吸收,各颜色通道的透射率不同,传统的暗原色先验去雾不能直接用于水下图像处理,故提出了一种基于改进的暗原色先验和颜色校正的新算法。该算法不依赖于水体环境参数,通过分析雾天成像模型和水下成像模型的区别和联系后,对空气中的暗原色先验去雾算法进行改进,在求取水下暗原色通道和图像背景光时考虑红色通道的逆通道,改进的暗通道求取方法可以有效去除后向散射;改进的背景光估计方法可以有效避免水体中白色物体的干扰,稳健性较高;利用白平衡算法对增强后的水下图像进行颜色校正,可以补偿颜色失真。实验结果表明本文算法可以有效地提高图像对比度和改善颜色失真。
由实验结果可知,本文所采用的改进暗原色先验和颜色校正的算法更适用于处理后向散射严重的水下图像,针对后向散射轻微的水下图像处理效果一般,因此在后期研究中有待优化。
[2] 孙立颖, 夏珉, 韩捷飞, 等. 湍流环境中水下成像系统的调制传递函数研究[J]. 光学学报, 2016, 36(8): 0801002.
孙立颖, 夏珉, 韩捷飞, 等. 湍流环境中水下成像系统的调制传递函数研究[J]. 光学学报, 2016, 36(8): 0801002.
[3] LiuC, MengW. Removal of water scattering[C]. IEEE International Conference on Computer Engineering and Technology, 2010: 11522024.
LiuC, MengW. Removal of water scattering[C]. IEEE International Conference on Computer Engineering and Technology, 2010: 11522024.
[4] WenH, TianY, HuangT, et al. Single underwater image enhancement with a new optical model[C]. IEEE International Symposium on Circuits and Systems, 2013: 753- 756.
WenH, TianY, HuangT, et al. Single underwater image enhancement with a new optical model[C]. IEEE International Symposium on Circuits and Systems, 2013: 753- 756.
[5] LiX, YangZ, ShangM, et al. Underwater image enhancement via dark channel prior and luminance adjustment[C]. Oceans, 2016: 1- 5.
LiX, YangZ, ShangM, et al. Underwater image enhancement via dark channel prior and luminance adjustment[C]. Oceans, 2016: 1- 5.
[6] 倪锦艳, 李庆武, 周亚琴, 等. 基于透射率优化和色温调节的水下图像复原[J]. 激光与光电子学进展, 2017, 54(1): 011001.
倪锦艳, 李庆武, 周亚琴, 等. 基于透射率优化和色温调节的水下图像复原[J]. 激光与光电子学进展, 2017, 54(1): 011001.
[7] McGlamery BL. A computer model for underwater camera systems[C]. SPIE, 1979, 208: 221- 231.
McGlamery BL. A computer model for underwater camera systems[C]. SPIE, 1979, 208: 221- 231.
[9] He K, Sun J, Tang X. Single image haze removal using dark channel prior[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2010, 33(12): 2341-2353.
He K, Sun J, Tang X. Single image haze removal using dark channel prior[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2010, 33(12): 2341-2353.
[12] Codevilla FM, da Costa Botelho S S, DrewsP, et al. Underwater single image restoration using dark channel prior[C]. 2014 Symposium on Automation and Computation for Naval, Offshore and Subsea (NAVCOMP), 2014: 18- 21.
Codevilla FM, da Costa Botelho S S, DrewsP, et al. Underwater single image restoration using dark channel prior[C]. 2014 Symposium on Automation and Computation for Naval, Offshore and Subsea (NAVCOMP), 2014: 18- 21.
[13] 蔡成涛, 苏丽, 梁燕华. 海洋环境下的计算机视视觉技术[M]. 北京: 国防工业出版社, 2015.
蔡成涛, 苏丽, 梁燕华. 海洋环境下的计算机视视觉技术[M]. 北京: 国防工业出版社, 2015.
CaiChengtao, SuLi, LiangYanhua. Computer vision technology in marine environment[M]. Beijing: Defense Industry Press, 2015.
CaiChengtao, SuLi, LiangYanhua. Computer vision technology in marine environment[M]. Beijing: Defense Industry Press, 2015.
Article Outline
李黎, 王惠刚, 刘星. 基于改进暗原色先验和颜色校正的水下图像增强[J]. 光学学报, 2017, 37(12): 1211003. Li Li, Huigang Wang, Xing Liu. Underwater Image Enhancement Based on Improved Dark Channel Prior and Color Correction[J]. Acta Optica Sinica, 2017, 37(12): 1211003.