基于红色暗通道先验和逆滤波的水下图像复原 下载: 1810次
1 引言
随着陆地自然资源的短缺,水下成像技术的发展对商业、**以及科学研究等领域都具有重大意义,因此世界各国逐渐把目光转向深海探索。遥控潜水器和自主式水下机器人等被广泛应用于水下探索活动。这些机器通常都配备了拍摄系统,以便获得感兴趣物体的图像以及视频信息。但是,由于水体以及悬浮颗粒对光的吸收与散射作用,水下拍摄到的图像通常存在色彩失真和边缘细节模糊等问题。水下图像处理是视频增强的基础,为了取得更好的视觉观测效果,寻找合适的方法对水下图像进行处理具有非常重要的意义。
在水下成像过程中,水体对光的吸收具有明显的选择性[1],波长越长的光吸收衰减系数越大,传播距离越短。因此水下图像通常呈现短波长的蓝绿色调,存在明显的颜色失真。水体对光的散射衰减可分为前向散射与后向散射,前向散射造成图像细节模糊,纹理信息缺失;后向散射造成图像对比度降低,图像表面呈现白色雾化效果,即图像信噪比下降。针对水下图像存在的问题,研究者们提出了多种水下图像处理算法[2-9]。张凯等[2]采用多尺度Retinex算法对图像亮度分量进行增强处理,实现了水下图像色彩校正;Fu等[3]基于光照反射理论,提出了一种新的变分Retinex模型,将水下成像过程中光的衰减效应等效为外界环境光的变化,实现了水下图像清晰化处理;Wen等[4]将雾天成像模型直接应用于水下成像,仅由蓝绿通道计算图像暗通道,实现了水下图像去模糊和色彩校正;Galdran等[5]提出了一种改进的水下图像暗通道估计方法,以去除后向散射,然后自适应地修改各通道背景光在复原图像中的比例,实现了色彩校正;Ancuti等[6]利用白平衡算法去除颜色失真,并结合对比度受限的自适应直方图的均衡化,提高了水下图像清晰度;倪锦艳等[7]通过设置阈值参数对得到的透射率图进行自适应调节,然后通过调整图像,估计灰度轴的位置并还原图像颜色,达到了提高图像清晰度和颜色校正的目的;杨爱萍等[8]提出了一种先去除颜色失真、再去除后向散射分量的水下图像的处理方法;沈瑜等[9]结合Tetrolet变换与Bilateral双边滤波器,提出了一种lαβ色彩空间水下图像清晰化算法。
上述算法虽然在一定程度上能够实现色彩校正或水下图像清晰化处理,但是只考虑了吸收衰减所引起的色彩失真或后向散射造成的水下图像雾化效果,忽略了前向散射衰减导致的图像边缘细节模糊,因此使得处理效果并不理想。同时部分算法直接将去雾处理中的暗通道先验应用于水下图像,没有充分考虑到水下光学成像过程中水体对光的选择性吸收衰减,计算得到的各通道透射率并不精确。针对以上算法存在的问题,本文提出了一种基于红色暗通道先验(RDCP)和逆滤波的水下图像复原算法。该算法首先通过RDCP理论估计出水下图像暗通道,利用各通道散射系数与光波波长的线性关系,在暗通道基础上计算得到各通道的透射率图,还原得到去除后向散射的水下图像;结合各通道前向散射光学传递函数与透射率的数学关系,采用图像逆滤波得到去除前向散射的水下图像;采用高斯分布线性拉伸提高图像对比度的同时校正图像色彩失真。实验结果表明,本文算法能够有效地校正水下图像色彩失真并实现清晰化处理。与当前几种主流的水下图像处理算法相比,本文算法对水下图像具有适用性和优越性。
2 水下图像复原算法
在水下光学成像过程中,水介质对光具有吸收与散射作用,导致水下图像色彩失真、细节模糊、对比度低、可见范围有限。在充分分析了Jaffe-McGlamery水下光学成像模型[1]的基础上,受经典的雾天成像模型启发,将改进暗通道先验理论应用于水下图像,得到去除散射分量的清晰化图像。
2.1 水下光学成像模型
根据简化的Jaffe-McGlamery水下光学成像模型[1],相机接收到的光由三部分组成(
式中
光经光源出发到达目标物体的传播过程中,能量呈指数衰减,因此直接分量可表示为
式中
式中
式中
式中
与直接分量和前向散射分量来自于目标物体的反射不同,后向散射分量来自于水中悬浮粒子等非目标物体的散射。借鉴经典的雾天成像模型[10-11],后向散射分量可表示为背景光的指数衰减[12],即
式中
由整个推导过程可知,水下图像复原的本质是从相机接收到的
2.2 红色暗通道先验去雾
新的水下光学成像模型[(8)式]在形式上与经典的雾天成像模型类似,于是可以采用经典的去雾方法消除后向散射造成的水下图像雾化效果。为了实现去雾处理,He等[10]基于大量户外无雾图像的统计分析提出了暗通道先验假设(DCP)。对于绝大多数无雾图像的局部区域,某一些像素总会有某一个颜色通道具有极低的灰度值,即
式中
定义exp[
为了获得目标物体反射图像
由于水体对不同波长的光的选择性吸收衰减,水下图像红色通道灰度值远小于蓝绿通道。因此,定义
将
由于空气中各通道散射系数一致,因此可认为空气中的雾天图像的各通道透射率图相同。但是,在水下成像过程中,各通道的
根据RDCP理论,可由(14)式计算得到红通道透射率图。只要利用(15)式与(16)式能够计算出蓝绿通道与红通道总衰减系数比值,便能得到对应的透射率图。Zhao等[14]给出了水下成像过程中背景光与散射系数及总衰减系数的数学关系,即
由(17)式可知,水下成像过程中,背景光的灰度值正比于散射系数,反比于总衰减系数。Gould等[15]经过大量实验发现,一般水体中散射系数与波长近似呈线性关系,即
式中
将(19)式与(20)式分别代入(15)式与(16)式,计算得到蓝绿通道透射率图。将背景光和各通道透射率代入(11)式中,得到去除后向散射分量的水下图像,图像的白色雾化效果被消除,对比度得到明显改善。
2.3 光学传递函数逆滤波
由(6)式可知,去除后向散射分量后得到的水下图像
Trucco等[17]提出在前向散射点扩展函数[(4)式]中存在如下近似:
式中
对(22)式两边同时进行傅里叶变换,得到点扩展函数对应的光学传递函数为
进一步对(6)式两边同时进行傅里叶变换,并将(23)式代入可得
利用(24)式并采用直接逆滤波可以得到去除前向散射分量的水下图像为
Trucco等[17]给出了逆滤波过程中
仔细观察前向散射光学传递函数[(23)式]与透射率的关系,可将(25)式进一步改写为
受Trucco等的启发,在(26)式的基础上提出一种新的逆滤波思路:首先将去除后向散射分量后得到的各通道透射率代入(26)式,确定滤波器函数;然后根据
2.4 高斯分布线性映射
去除后向散射分量和前向散射分量后的水下图像虽然细节清晰度得到显著提升,但是往往存在图像对比度低、亮度偏暗的问题,需要进一步对灰度值进行映射,以获得最优的视觉效果。通过对大量去除散射分量的水下图像复原结果进行分析,发现复原后水下图像的灰度直方图近似为高斯分布。而对于高斯分布函数,每个样本落在3倍标准差内的概率高达99.7%。因此可以利用基于高斯分布的3
式中
综上所述,完整的水下图像复原流程图如
3 实验结果与分析
对多种水下环境拍摄得到的图像进行复原处理,分别选取了珊瑚、潜水、鱼群三组图像。分别将本文算法与文献[
4]中的DCP算法、文献[
5]中的自动RDCP(ARDCP)算法、文献[
3]中的变分Retinex增强算法和文献[
6]中的图像融合增强(Fusion)算法进行对比。实验中,选取红、绿、蓝三通道对应的光波波长分别为620,540,450 nm;初始化
3.1 处理效果对比
本文算法复原图像与其他算法的对比图像分别如
图 3. 珊瑚图像实验。(a)原始图像;(b) DCP算法;(c) ARDCP算法;(d)变分Retinex增强算法;(e) Fusion算法;(f)本文算法
Fig. 3. Image experiments of coral. (a) Original image; (b) DCP algorithm; (c) ARDCP algorithm; (d) variation Retinex enhancing algorithm; (e) Fusion algorithm; (f) proposed algorithm
3.2 图像质量评价
为进一步说明实验效果,对实验结果图像进行质量评价。针对水下图像的特点,选取图像信息熵、平均梯度、无参考对比度失真图像质量评价指标(NR-CDIQA)[18]、彩色水下图像质量评价指标(UCIQE)[19]对处理图像进行质量评价。
信息熵表示图像的平均信息量,熵值越大表示图像携带的信息量越大。将计算得到的图像红、绿、蓝三通道信息熵的平均值作为最终结果;梯度可以敏感地反映图像对微小细节反差表达的能力,梯度值越大表示图像的细节清晰度越高。将计算得到的图像红、绿、蓝三通道梯度的平均值作为最终结果。基于大量自然场景下的图像统计特征分析,文献[ 18]提出了一种基于图像的4个矩特征值与信息熵的NR-CDIQA。水下图像往往存在严重的对比度失真,NR-CDIQA值越大,表示图像视觉效果越接近自然场景下的图像。针对水下图像的主要特点,借鉴了传统的无参考图像质量评价方法,Yang等[19]提出了一种基于CIELab色彩空间的UCIQE 。UCIQE值越大,表示本文算法能够更好地平衡图像的色度、对比度和饱和度,图像主观视觉效果越好。
图 4. 潜水图像实验。(a)原始图像;(b) DCP算法;(c) RDCP算法;(d)变分Retinex增强算法;(e) Fusion算法;(f)本文算法
Fig. 4. Image experiments of diving. (a) Original image; (b) DCP algorithm; (c) ARDCP algorithm; (d) variation Retinex enhancing algorithm; (e) Fusion algorithm; (f) proposed algorithm
图 5. 鱼群图像实验。(a)原始图像;(b) DCP算法;(c) ARDCP算法;(d)变分Retinex增强算法;(e) Fusion算法;(f)本文算法
Fig. 5. Image experiments of fishes. (a) Original image; (b) DCP algorithm; (c) ARDCP algorithm; (d) variation Retinex enhancing algorithm; (e) Fusion algorithm; (f) proposed algorithm
根据
由
表 1. 水下图像质量评价
Table 1. Quality evaluation for underwater images
|
4 结论
水体对光具有吸收和散射作用,使得水下彩色图像存在色彩失真和细节模糊等问题。基于Jaffe-McGlamery水下光学成像理论,给出了新的简化水下光学成像模型。针对后向散射分量造成的图像雾化效果,首先采用RDCP估计出红通道透射率图,并利用散射系数与光波波长的线性关系求解出蓝绿通道透射率图,得到去除后向散射分量的水下图像;针对前向散射分量造成的图像边缘细节模糊问题,结合各通道透射率与光学传递函数的数学关系,采用逆滤波实现图像清晰化;基于3
[2] 张凯, 金伟其, 裘溯, 等. 水下彩色图像的亮度通道多尺度Retinex增强算法[J]. 红外技术, 2011, 33(11): 630-634.
[3] Fu XY, Zhuang PX, HuangY, et al. A retinex-based enhancing approach for single underwater image[C]. IEEE International Conference on Image Processing, 2014: 4572- 4576.
[4] Wen HC, Tian YH, Huang TJ, et al. Single underwater image enhancement with a new optical model[C]. IEEE International Symposium on Circuits and Systems, 2013: 753- 756.
[6] AncutiC, Ancuti CO, HaberT, et al. Enhancing underwater images and videos by fusion[C]. IEEE Conference on Computer Vision and Pattern Recognition, 2012: 81- 88.
[7] 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.
[8] 杨爱萍, 郑佳, 王建, 等. 基于颜色失真去除与暗通道先验的水下图像复原[J]. 电子与信息学报, 2015, 37(11): 2541-2547.
Yang A P, Zheng J, Wang J, et al. Underwater image restoration based on color cast removal and dark channel prior[J]. Journal of Electronics & Information Technology, 2015, 37(11): 2541-2547.
[9] 沈瑜, 党建武, 王阳萍, 等. 基于Tetrolet变换的彩色水下图像清晰化算法[J]. 光学学报, 2017, 37(9): 0910002.
[11] 高银, 云利军, 石俊生, 等. 基于TV模型的暗原色理论雾天图像复原算法[J]. 中国激光, 2015, 42(8): 0809001.
[12] 杨爱萍, 白煌煌. 基于Retinex理论和暗通道先验的夜间图像去雾算法[J]. 激光与光电子学进展, 2017, 54(4): 041002.
[13] WangY, WuB. Fastclear single underwater image[C]. Conference on Computational Intelligence and Software Engineering, 2010: 1706794.
[17] Trucco E. Olmos-Antillon A T. Self-tuning underwater image restoration[J]. Journal of Oceanic Engineering, 2006, 31(2): 511-519.
Article Outline
徐岩, 曾祥波. 基于红色暗通道先验和逆滤波的水下图像复原[J]. 激光与光电子学进展, 2018, 55(2): 021009. Yan Xu, Xiangbo Zeng. Underwater Image Restoration Based on Red-Dark Channel Prior and Inverse Filtering[J]. Laser & Optoelectronics Progress, 2018, 55(2): 021009.