基于高低频分量融合的水下图像增强算法 
下载： 984次
Underwater Image Enhancement Algorithm Based on Fusion of High and Low Frequency Components
大连海事大学信息科学技术学院, 辽宁 大连 116026
图 & 表
图 1. 水下图像增强的流程
Fig. 1. Process of underwater image enhancement
下载图片 查看原文
图 2. 原始图像的提取结果。(a)原始图像;(b)反射分量;(c)入射分量
Fig. 2. Extraction results of original images. (a) Original images; (b) reflection components; (c) incident components
下载图片 查看原文
图 3. 使用CLAHE算法拉伸图像的对比。(a)对比度拉伸前的图像;(b)对比度拉伸后的图像
Fig. 3. Comparison of stretching images by using CLAHE algorithm. (a) Images before contrast stretching; (b) images after contrast stretching
下载图片 查看原文
图 4. 引导滤波去噪声后的图像。(a)拉伸后的反射分量;(b)引导滤波去噪声后的图像
Fig. 4. Images of guided filtering after noise removal. (a) Reflection component after stretching; (b) guided filtering images after noise removal
下载图片 查看原文
图 5. 高斯差分提取细节的结果。(a)图像的高频信息;(b)高频信息的细节;(c)图像的低频信息;(d)低频信息的细节
Fig. 5. Results of extracting details by Gaussian difference. (a) High frequency information of images; (b) details of high frequency information; (c) low frequency information of images; (d) details of low frequency information
下载图片 查看原文
图 6. 高低频信息的融合融合结果。(a)原始图像;(b)融合后的图像
Fig. 6. Fusion results of high and low frequency information. (a) Original images; (b) fused images
下载图片 查看原文
图 7. 图像色彩补偿前后对比。(a)色彩补偿前图像;(b)色彩补偿后图像
Fig. 7. Contrast before and after color compensation. (a) Images before color compensation; (b) images after color compensation
下载图片 查看原文
图 8. 不同D值的色彩校正图像。(a)原始图像;(b) 1.4;(c) 1.6;(d) 1.8;(e) 2.0;(f) 2.2
Fig. 8. Color-corrected images with different D values. (a) Original image; (b) 1.4; (c) 1.6; (d) 1.8; (e) 2.0; (f) 2.2
下载图片 查看原文
图 9. 色彩恢复测试。(a)标准色彩板;(b)原始图像;(c)文献[
10];(d)文献[
12];(e)文献[
14];(f)文献[
15];(g)所提算法
Fig. 9. Color recovery test. (a) Standard color palette; (b) original images; (c) Ref. [10]; (d) Ref. [12]; (e) Ref. [14]; (f) Ref. [15]; (g) proposed algorithm
下载图片 查看原文
图 10. 不同的水下图像清晰化方法处理结果。(a)原始图像;(b)文献[
10];(c)文献[
12];(d)文献[
14];(e)文献[
15];(f)所提算法
Fig. 10. Different underwater image clearing algorithms process results. (a) Original images; (b) Ref. [10]; (c) Ref. [12]; (d) Ref. [14]; (e) Ref. [15]; (f) proposed algorithm
下载图片 查看原文
图 11. 应用测试结果。(a)原始图像;(b)文献[
10];(c)文献[
12];(d)文献[
14];(e)文献[
15];(f)所提算法
Fig. 11. Application test results. (a) Original images; (b) Ref. [10]; (c) Ref. [12]; (d) Ref. [14]; (e) Ref. [15]; (f) proposed algorithm
下载图片 查看原文
表 1不同D值对应的IE和UIQM指标
Table1. IE and UIQM indicators corresponding to different D values
| D | IE | UIQM |
|---|
| 1.4 | 7.18 | 4.22 | | 1.6 | 7.55 | 4.23 | | 1.8 | 7.71 | 4.23 | | 2.02.2 | 7.757.71 | 4.374.32 |
|
查看原文
表 2不同算法处理图像的评价指标对比
Table2. Comparison of evaluation indexes of different algorithms for image processing
| Image | Ref. [10] | Ref. [12] | Ref. [14] |
|---|
| AG | IE | UIQM | UCIQE | AG | IE | UIQM | UCIQE | AG | IE | UIQM | UCIQE |
|---|
| 1 | 2.43 | 6.06 | 0.40 | 0.472 | 1.94 | 7.44 | 0.74 | 0.525 | 3.19 | 7.62 | 3.91 | 0.394 | | 2 | 4.20 | 7.48 | 0.89 | 0.410 | 1.85 | 7.55 | 0.39 | 0.450 | 3.47 | 7.64 | 4.72 | 0.439 | | 3 | 3.48 | 7.62 | 3.29 | 0.551 | 2.52 | 7.43 | 2.40 | 0.522 | 3.08 | 7.57 | 3.69 | 0.559 | | 4 | 3.18 | 7.32 | 2.70 | 0.523 | 2.74 | 7.28 | 2.02 | 0.499 | 2.61 | 7.49 | 2.18 | 0.509 | | 5 | 6.40 | 7.52 | 4.07 | 0.579 | 6.99 | 7.57 | 5.36 | 0.652 | 5.24 | 7.54 | 3.22 | 0.577 | | 6 | 2.83 | 7.36 | 3.56 | 0.578 | 3.46 | 7.56 | 4.00 | 0.597 | 2.73 | 7.45 | 3.18 | 0.572 | | 7 | 4.84 | 7.85 | 4.32 | 0.587 | 4.40 | 7.80 | 3.46 | 0.572 | 3.79 | 7.64 | 2.82 | 0.530 | | 8 | 3.57 | 6.96 | 3.45 | 0.482 | 2.12 | 6.76 | 4.24 | 0.376 | 3.01 | 7.10 | 4.11 | 0.458 | | Average | 3.87 | 7.27 | 2.84 | 0.523 | 3.25 | 7.42 | 2.83 | 0.524 | 3.39 | 7.51 | 3.48 | 0.505 | | Image | Ref. [15] | Proposed algorithm | | | AG | IE | UIQM | UCIQE | AG | IE | UIQM | UCIQE | | | | | | 1 | 3.97 | 7.53 | 4.53 | 0.389 | 6.90 | 7.68 | 4.39 | 0.625 | | | 2 | 4.62 | 7.58 | 4.71 | 0.445 | 8.17 | 7.68 | 4.72 | 0.671 | | | 3 | 4.55 | 7.46 | 4.66 | 0.546 | 8.35 | 7.60 | 4.93 | 0.648 | | | 4 | 4.27 | 7.19 | 4.33 | 0.548 | 9.28 | 7.60 | 4.51 | 0.700 | | | 5 | 8.10 | 7.46 | 5.01 | 0.598 | 13.98 | 7.56 | 4.39 | 0.664 | | | 6 | 3.35 | 7.15 | 4.16 | 0.523 | 7.11 | 7.75 | 4.37 | 0.681 | | | 7 | 6.04 | 7.71 | 4.65 | 0.576 | 8.83 | 7.64 | 4.91 | 0.632 | | | 8 | 2.81 | 6.15 | 3.69 | 0.414 | 9.53 | 7.19 | 4.42 | 0.663 | | | Average | 4.71 | 7.28 | 4.47 | 0.505 | 9.02 | 7.58 | 4.58 | 0.661 | |
|
查看原文
表 3不同算法的运行时间对比
Table3. Comparison of running time of different algorithms
| Resolution /(pixel×pixel) | Time /s |
|---|
| Ref. [10] | Ref. [12] | Ref. [14] | Ref. [15] | Proposed algorithm |
|---|
| 550×412 | 28.52 | 1.24 | 0.26 | 0.39 | 0.60 | | 915×762 | 234.59 | 3.77 | 0.70 | 0.99 | 1.82 | | 946×706 | 90.25 | 3.68 | 0.67 | 0.99 | 1.75 | | 1024×768 | 1.52 | 4.35 | 0.80 | 1.02 | 1.95 | | 1037×778 | 1.62 | 4.40 | 0.95 | 1.10 | 2.11 |
|
查看原文
邹沛煜, 张卫东, 史金余, 周景春. 基于高低频分量融合的水下图像增强算法[J]. 激光与光电子学进展, 2020, 57(16): 161010. Peiyu Zou, Weidong Zhang, Jinyu Shi, Jingchun Zhou. Underwater Image Enhancement Algorithm Based on Fusion of High and Low Frequency Components[J]. Laser & Optoelectronics Progress, 2020, 57(16): 161010.
PDF全文
