基于色彩衰減補(bǔ)償和Retinex的水下圖像增強(qiáng)

楊福豪, 史啟超, 藍(lán)方鳴, 彭宗舉

基于色彩衰減補(bǔ)償和Retinex的水下圖像增強(qiáng)

楊福豪, 史啟超, 藍(lán)方鳴, 彭宗舉*

（寧波大學(xué) 信息科學(xué)與工程學(xué)院, 浙江 寧波 315211）

針對(duì)水下圖像存在的色偏、霧狀模糊、低曝光和非均勻光照問題, 提出一種基于色彩衰減補(bǔ)償和Retinex的水下圖像增強(qiáng)算法. 首先, 為校正水下圖像的色偏, 利用水體對(duì)不同波長(zhǎng)光線衰減不一致的特性自適應(yīng)地補(bǔ)償其R、G、B通道. 然后, 使用基于多尺度導(dǎo)向?yàn)V波的Retinex去除霧狀模糊, 增強(qiáng)對(duì)比度. 最后, 根據(jù)水下圖像和自然圖像的直方圖分布特征對(duì)其進(jìn)行歸一化處理, 從而在保存圖像主要信息的前提下增強(qiáng)其紋理和曝光. 實(shí)驗(yàn)結(jié)果表明, 該算法不但具有較優(yōu)的視覺感知效果, 而且具有較高的圖像質(zhì)量評(píng)價(jià)分?jǐn)?shù). 該算法具有較強(qiáng)的適應(yīng)性, 有助于計(jì)算機(jī)視覺算法在水下的應(yīng)用.

水下圖像增強(qiáng); 色彩補(bǔ)償; 導(dǎo)向?yàn)V波; 對(duì)比度

水下圖像在海洋礦產(chǎn)資源開發(fā)、海洋生物研究、海底管道檢測(cè)、海洋軍事應(yīng)用等方面起著重要作用. 然而, 光照條件、拍攝深度、雜質(zhì)類型、水體渾濁度等因素致使水下成像環(huán)境復(fù)雜多樣. 此外, 水體對(duì)光線具有吸收和散射的物理衰減特性[1]. 因此, 水下圖像具有不同程度的色彩偏差、霧狀模糊、低曝光、非均勻光照等退化現(xiàn)象, 導(dǎo)致圖像的對(duì)比度、能見度和清晰度下降, 嚴(yán)重影響其視覺感知效果及進(jìn)一步的視覺應(yīng)用. 所以, 提高水下圖像質(zhì)量的研究具有重要意義.

當(dāng)前, 水下圖像清晰化技術(shù)研究主要從基于硬件[2-3]和基于算法[4-13]兩個(gè)方面展開. 其中, Amer等[2]使用低通偏振濾波器來去除水下成像中因后向散射造成的模糊. 呂文磊等[3]使用距離選通水下激光成像系統(tǒng)只接收來自物體反射的光線, 從而消除散射對(duì)成像的影響. 而基于算法的水下圖像清晰化處理可進(jìn)一步分為水下圖像增強(qiáng)[4-6]、水下圖像復(fù)原[7-10]以及基于深度學(xué)習(xí)的方法[11-13]. 黃冬梅等[4]依據(jù)水下圖像的特點(diǎn), 提出在兩種顏色模型下進(jìn)行自適應(yīng)直方圖拉伸的水下圖像增強(qiáng)方法, 具有較好的增強(qiáng)效果. Zhang等[5]提出基于色彩校正和光照調(diào)整的水下圖像增強(qiáng)模型, 利用Retinex對(duì)色彩校正后的圖像亮度通道進(jìn)行光照調(diào)整, 從而恢復(fù)水下真實(shí)場(chǎng)景. Ghani等[6]提出了集成同態(tài)濾波、基于重疊遞歸的限制對(duì)比度自適應(yīng)直方圖規(guī)定化和雙圖像小波融合的深水圖像增強(qiáng)方法. 由于水下圖像與霧天圖像類似, 因此有學(xué)者提出基于改進(jìn)暗通道的水下圖像復(fù)原方法. Drews等[7]提出只針對(duì)藍(lán)綠通道的水下暗通道先驗(yàn)方法, 取得比直接應(yīng)用暗通道更好的增強(qiáng)效果. 王鑫等[8]利用稀疏表示對(duì)水下圖像的暗通道進(jìn)行優(yōu)化, 融合暗通道先驗(yàn)和稀疏表示理論, 提高了水下圖像復(fù)原質(zhì)量. Yang等[9]建立了基于暗通道分解和局部散射光估計(jì)的水下圖像復(fù)原模型, 并將近海環(huán)境中光線衰減系數(shù)的統(tǒng)計(jì)先驗(yàn)引入模型中, 進(jìn)而提出復(fù)原近海水下圖像的方法. Li等[10]提出一種分別對(duì)藍(lán)綠通道去霧和對(duì)紅通道色彩校正的方法, 其思想分別來自暗通道和灰度世界理論, 并利用自適應(yīng)曝光解決非均勻光照問題. Lu等[11]通過實(shí)驗(yàn)得到在CycleGAN (Cycle-consistent Generative Adversarial Networks)網(wǎng)絡(luò)中采用不同尺度的損失函數(shù)會(huì)增強(qiáng)不同的景深區(qū)域. 因此, 其將多尺度損失函數(shù)引入融合了暗通道先驗(yàn)的CycleGAN網(wǎng)絡(luò)中, 在校正色偏的同時(shí)增強(qiáng)圖像的對(duì)比度. Chen等[12]提出基于生成對(duì)抗網(wǎng)絡(luò)的方法用于實(shí)時(shí)自適應(yīng)地復(fù)原水下圖像, 并被應(yīng)用于水下物體抓取中. Cheng等[13]改進(jìn)了應(yīng)用于超分辨率的生成對(duì)抗網(wǎng)絡(luò), 并利用其對(duì)色彩校正后的圖像去除模糊. 以上算法雖然提高了水下圖像的質(zhì)量, 但仍存在以下問題: (1)校正色偏時(shí)沒有考慮水下成像中色彩通道衰減不一致的問題, 處理后的圖像存在色彩失真現(xiàn)象; (2)去除霧狀模糊的效果不夠理想, 圖像的紋理細(xì)節(jié)不夠豐富; (3)低曝光和非均勻光照問題沒有得到有效解決.

針對(duì)以上問題, 本文提出了一種基于色彩衰減補(bǔ)償和Retinex的水下圖像增強(qiáng)算法, 主要包括: (1)針對(duì)水下成像中色彩通道衰減不一致的物理特性, 引入通道衰減補(bǔ)償系數(shù), 消除因通道衰減差異而造成的色彩失真; (2)利用Retinex對(duì)水下圖像進(jìn)行分解, 從而去除霧狀模糊, 還原被隱藏的邊緣細(xì)節(jié); (3)基于水下圖像的直方圖分布特征對(duì)去模糊后的圖像進(jìn)行歸一化處理, 在增強(qiáng)細(xì)節(jié)的同時(shí)提高亮度.

1 基于色彩衰減補(bǔ)償和Retinex的水下圖像增強(qiáng)

針對(duì)水下圖像存在的色偏、霧狀模糊、低曝光、非均勻光照等退化問題, 本文提出一種基于色彩衰減補(bǔ)償和Retinex的水下圖像增強(qiáng)算法, 包括色彩校正和清晰度提高兩部分, 算法流程如圖1所示. 在色彩校正中, 由輸入圖像的色偏來確定R、G、B三通道的衰減補(bǔ)償系數(shù), 并依此自適應(yīng)地進(jìn)行通道衰減補(bǔ)償以達(dá)到色彩校正的目的. 在清晰度提高方面, 首先, 對(duì)色彩校正后圖像的紅通道進(jìn)行中值濾波, 但此步驟只針對(duì)偏藍(lán)的輸入圖像. 由于偏藍(lán)圖像的紅通道受到嚴(yán)重的衰減, 所以上述處理去除了噪聲對(duì)增強(qiáng)算法的影響. 然后, 在Retinex理論下, 利用具有邊緣保持特性的導(dǎo)向?yàn)V波估計(jì)其光照?qǐng)D像, 并得到其對(duì)應(yīng)的反射圖像. 在多尺度條件下, 對(duì)多幅反射圖像進(jìn)行加權(quán)平均得到其最終的反射圖像, 從而恢復(fù)出更多被模糊隱藏的紋理. 最后, 依據(jù)水下圖像的直方圖分布特征對(duì)反射圖像進(jìn)行歸一化處理, 使輸出圖像具有更高的對(duì)比度和亮度.

1.1 水下圖像色彩校正

由于水體對(duì)不同波長(zhǎng)的光線具有不同的吸收率, 光線隨著傳播距離的增加被衰減為偏色光. 所以, 水下圖像中存在綠、黃、藍(lán)等色調(diào)的偏色現(xiàn)象. 偏色的水下圖像既影響人們的視覺感知, 又對(duì)水下物體真實(shí)色彩信息的提取造成干擾. 因此, 本文首先對(duì)水下圖像進(jìn)行色彩校正.

在灰度世界假說中, 對(duì)于色彩豐富的無色偏圖像, 其R、G、B三通道均值相近. 然而, 水下圖像各通道的均值因介質(zhì)對(duì)光線衰減的不同而存在較大差異, 且圖像整體色調(diào)偏向均值最大通道的顏色. Zhang等[5]提出的色彩校正方法在灰度世界假說上, 分別利用各通道的均值和標(biāo)準(zhǔn)差確定其通道對(duì)應(yīng)的新動(dòng)態(tài)范圍, 并將之拉伸到全動(dòng)態(tài)范圍, 從而使色彩校正后圖像的三通道具有相近的均值, 即:

,(1)

1.2 水下圖像清晰度提高

水下圖像經(jīng)上述處理后, 雖然其色彩感知質(zhì)量得到提高, 但仍存在霧狀模糊和低曝光的問題. 因此, 提出基于多尺度導(dǎo)向?yàn)V波的Retinex去除模糊以及增強(qiáng)曝光的歸一化后處理方法, 從而提高圖像的清晰度.

1.2.1基于多尺度導(dǎo)向?yàn)V波的Retinex去模糊

水下圖像因水體對(duì)光線的吸收衰減而存在一定程度的低曝光現(xiàn)象. 在分解光照?qǐng)D像與反射圖像時(shí), 對(duì)上式取對(duì)數(shù), 既可將復(fù)雜的乘法轉(zhuǎn)化為減法, 同時(shí)也可對(duì)圖像的低值區(qū)域進(jìn)行擴(kuò)展拉伸, 進(jìn)而對(duì)低曝光現(xiàn)象進(jìn)行補(bǔ)償, 即:

由于同一像素被包含在不同的局部窗口內(nèi), 所以對(duì)包含此像素的窗口線性系數(shù)取均值即可得到該像素的線性變換系數(shù). 當(dāng)導(dǎo)向圖像與待濾波圖像一致時(shí), 此時(shí)導(dǎo)向?yàn)V波器能夠在平滑圖像平坦區(qū)域的同時(shí)較好地保持圖像的邊緣細(xì)節(jié).

在利用導(dǎo)向?yàn)V波進(jìn)行平滑處理時(shí), 大尺度下得到的光照?qǐng)D像含有物體的輪廓邊緣, 而小尺度下得到的光照?qǐng)D像則含有豐富的細(xì)節(jié)紋理. 因此, 本文選取不同尺度的導(dǎo)向?yàn)V波來估計(jì)光照?qǐng)D像, 并對(duì)各光照?qǐng)D像對(duì)應(yīng)的反射圖像加權(quán)平均作為最終的反射圖像, 可在平滑與保持邊緣之間達(dá)到合理的平衡, 即:

1.2.2基于直方圖分布特征的歸一化

由于反射圖像會(huì)在平坦區(qū)域出現(xiàn)負(fù)值, 所以需要對(duì)其進(jìn)行歸一化處理. 對(duì)數(shù)變換不但可拉伸圖像的低值區(qū)域, 而且符合人眼的感知特性. 所以, 本文在對(duì)數(shù)域進(jìn)行歸一化處理. 若采用反射圖像各通道最大最小值為目標(biāo)歸一化范圍, 則輸出圖像的亮度較弱, 紋理細(xì)節(jié)不夠突出. 本文對(duì)大量水下圖像和具有良好視覺感知的自然場(chǎng)景圖像進(jìn)行分析, 得到其直方圖分布特征. 如圖2所示, 水下圖像的三通道分布因衰減呈現(xiàn)明顯差異且集中于某一動(dòng)態(tài)區(qū)間, 而自然圖像的三通道分布相似且遍及整個(gè)動(dòng)態(tài)范圍. 為增強(qiáng)水下圖像的紋理細(xì)節(jié)和曝光, 提高其視覺感知效果, 依據(jù)上述自然圖像的直方圖分布特征對(duì)反射圖像進(jìn)行歸一化處理.

圖2 圖像及其直方圖

2 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文算法的性能, 選取多種算法在水下退化圖像數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn), 并從主觀視覺效果和客觀評(píng)價(jià)指標(biāo)兩方面對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析. 本文實(shí)驗(yàn)平臺(tái): Inter(R)-Core(TM) i5-8300H@ 2.30GHz, 8G RAM, MATLAB R2017b.

2.1 數(shù)據(jù)集和參數(shù)設(shè)置

復(fù)雜的水下成像環(huán)境導(dǎo)致水下圖像退化呈現(xiàn)多樣性, 本文收集了100張水下圖像組成數(shù)據(jù)集以驗(yàn)證算法的魯棒性. 數(shù)據(jù)集除含有各種色偏外, 還同時(shí)具有霧狀模糊、低曝光、非均勻光照等典型退化現(xiàn)象, 能夠較全面地反映水下圖像的退化現(xiàn)象.

2.2 主觀視覺效果分析

水下圖像存在的主要問題是色偏和低清晰度, 本文算法分兩步來校正色偏和提高清晰度. 因此, 對(duì)實(shí)驗(yàn)結(jié)果的主觀視覺效果分析也從以上兩個(gè)角度進(jìn)行.

2.2.1色彩校正結(jié)果分析

選擇Gray-World[18]、Gray-Edge[19]和Zhang[5]的色彩校正方法作為對(duì)比算法, 在多種典型的水下偏色圖像上驗(yàn)證算法的魯棒性, 結(jié)果如圖3所示.

圖3 色彩校正結(jié)果

由于只分析校正色偏的效果, 所以只對(duì)各算法的色彩保真度進(jìn)行分析. 首先, 可以看出Gray- Edge算法對(duì)水下圖像沒有校正色偏的效果. 其次, 經(jīng)Gray-World算法校正后的多幅圖像皆存在嚴(yán)重的紅色偏色現(xiàn)象, 尤其在偏藍(lán)圖像的水體部分出現(xiàn)大面積的紅色區(qū)域. 而Zhang的算法雖在色彩和對(duì)比度方面都有不錯(cuò)的提高, 但其被校正圖像內(nèi)也存在紅色分量被過度增強(qiáng)的現(xiàn)象, 與人眼的色彩恒常感知存在差異. 雖然本文算法在整體效果上與Zhang算法存在差距, 但其結(jié)果在色彩保真度方面更符合人眼的色彩恒常感知, 與物體的真實(shí)色彩更加相近, 且算法的魯棒性更強(qiáng). 通過比較色彩校正結(jié)果, 可以說明引入色彩衰減補(bǔ)償思想的正確性. 此外, 本文算法結(jié)果中的霧狀模糊和低曝光對(duì)色彩感知的準(zhǔn)確性亦造成一定的影響, 故需去除模糊和增強(qiáng)曝光.

2.2.2整體增強(qiáng)結(jié)果分析

由于本文色彩校正結(jié)果在清晰度上仍存在不足, 所以提出去模糊和增強(qiáng)曝光的算法提高其清晰度和能見度. 為比較算法的整體性能, 選取了圖像增強(qiáng)算法MSR (Multi-Scale Retinex)[15]、去霧算法CAP (Color Attenuation Prior)[20]、水下圖像復(fù)原算法UDCP (Underwater Dark Channel Prior)[7]和Zhang[5]的水下圖像增強(qiáng)算法作為對(duì)比算法. 在多幅具有典型退化現(xiàn)象的水下圖像上測(cè)試上述算法的增強(qiáng)效果, 實(shí)驗(yàn)結(jié)果如圖4所示.

通過對(duì)比多種算法的視覺效果可以發(fā)現(xiàn), MSR算法的結(jié)果不僅在色彩還原上存在明顯的失真現(xiàn)象, 而且圖像中依然存在白色霧狀模糊, 降低了圖像的對(duì)比度和清晰度. 而去霧算法CAP的結(jié)果在整體感知上幾乎和原始圖像保持一致, 除去色彩偏差沒有得到校正, 圖像中的霧狀模糊也沒有得到有效去除. 雖然水下成像環(huán)境類似霧天成像環(huán)境, 但去霧算法CAP應(yīng)用到水下退化圖像上的效果卻不盡如人意, 更加復(fù)雜的水下成像環(huán)境使水下圖像質(zhì)量提高更具挑戰(zhàn)性. 對(duì)于UDCP算法的結(jié)果, 綜合多張圖像可以看出其算法雖然增強(qiáng)了圖像的對(duì)比度, 使圖像的清晰度得到一定的提高, 但其在色彩還原上卻存在明顯不足, 圖像仍然存在較為明顯的色彩偏差. 在UDCP和Zhang的結(jié)果對(duì)比中, 首先, 可以看出UDCP的結(jié)果具有更高的清晰度, Zhang的結(jié)果中存在可感知的霧狀模糊. 但是, UDCP結(jié)果中的暗區(qū)域卻被加強(qiáng), 細(xì)節(jié)被損失. 其次, 在色彩偏差校正上, Zhang算法具有更好的校正效果, 但其結(jié)果中紅色被過度增強(qiáng)的現(xiàn)象依然存在, 與物體的真實(shí)色彩仍有一定偏差.

對(duì)于本文算法的增強(qiáng)結(jié)果, 首先, 在整體上可以感受到其具有最高的清晰度和能見度. 其次, 圖像中物體的色彩更加真實(shí)、自然, 更符合人眼的色彩恒常特性. 在色彩偏差校正、模糊去除、低曝光增強(qiáng)和非均勻光照改善等方面, 選取的局部放大圖像可以直觀地反映出本文算法的優(yōu)異效果. 在圖5的第1幅圖中, 本文算法對(duì)珊瑚和石頭的色彩還原更加真實(shí), 物體外觀更加自然. 在第2幅圖中, 本文算法去除霧狀模糊的效果更加優(yōu)異, 圖像的清晰度和能見度更高. 在第3幅圖中, 本文算法增強(qiáng)了圖像中的暗區(qū)域, 細(xì)節(jié)紋理更加豐富, 不均光照現(xiàn)象得到改善.

2.3 客觀質(zhì)量分析

為準(zhǔn)確衡量增強(qiáng)圖像的客觀質(zhì)量, 本文除采用針對(duì)水下圖像的無參考質(zhì)量評(píng)價(jià)方法UCIQE (Underwater Color Image Quality Evaluation)[21]和UIQM (Underwater Image Quality Measure)[22]外, 還采用了衡量對(duì)比度變化的PCQI (Patch-based Contrast Quality Index)[23]和信息熵(Entropy)作為水下圖像質(zhì)量評(píng)價(jià)指標(biāo). 針對(duì)水下圖像具有色偏、模糊、低對(duì)比度等特點(diǎn), UCIQE從色度、飽和度和對(duì)比度方面對(duì)水下圖像進(jìn)行質(zhì)量評(píng)價(jià), 而UIQM則依據(jù)色彩、清晰度和對(duì)比度對(duì)水下圖像進(jìn)行評(píng)價(jià). 為驗(yàn)證算法的魯棒性, 在收集的100張水下退化圖像上進(jìn)行對(duì)比實(shí)驗(yàn), 并使用上述的客觀評(píng)價(jià)指標(biāo)對(duì)各算法結(jié)果進(jìn)行評(píng)測(cè). 各算法增強(qiáng)結(jié)果在不同評(píng)價(jià)指標(biāo)上的均值見表1.

圖4 不同算法增強(qiáng)效果

圖5 局部放大圖

表1 不同算法的客觀質(zhì)量評(píng)價(jià)指標(biāo)均值

注: 加粗的數(shù)字表示在對(duì)應(yīng)評(píng)價(jià)指標(biāo)中的最好結(jié)果.

由表1可知, 本文算法在各質(zhì)量評(píng)價(jià)指標(biāo)上均表現(xiàn)優(yōu)異, 表明本文算法對(duì)水下退化圖像的增強(qiáng)效果顯著, 即對(duì)水下退化圖像的色彩校正、模糊去除、清晰度和能見度提高有良好的效果.

3 結(jié)論

針對(duì)水下圖像存在的偏色、模糊、低曝光和非均勻光照問題, 本文提出一種基于色彩衰減補(bǔ)償和Retinex的水下圖像增強(qiáng)算法. 該算法對(duì)多種水下偏色圖像均有較好的校正效果, 且增強(qiáng)后的圖像具有較高的清晰度和能見度, 更加接近自然場(chǎng)景下的圖像. 同時(shí), 對(duì)水下圖像的非均勻光照和低曝光問題也有較好的處理效果, 增強(qiáng)后的圖像具有更多暗區(qū)域的紋理細(xì)節(jié)和更高的亮度. 實(shí)驗(yàn)結(jié)果表明, 與對(duì)比算法相比, 本文算法能夠有效增強(qiáng)水下退化圖像, 使其主觀視覺效果和客觀質(zhì)量分?jǐn)?shù)得以提高. 由于水下圖像的退化呈現(xiàn)多樣性, 而深度學(xué)習(xí)網(wǎng)絡(luò)能夠發(fā)揮大數(shù)據(jù)量的優(yōu)勢(shì). 目前, 深度學(xué)習(xí)在圖像處理中得到了廣泛的應(yīng)用. 因此, 基于深度學(xué)習(xí)的方法將有助于進(jìn)一步增強(qiáng)水下圖像的質(zhì)量.

[1] Wang Y, Song W, Fortino G, et al. An experimental-based review of image enhancement and image restoration methods for underwater imaging[J]. IEEE Access, 2019, 7:140233-140251.

[2] Amer K O, Elbouz M, Alfalou A, et al. Enhancing under- water optical imaging by using a low-pass polarization filter[J]. Optics Express, 2019, 27(2):621-643.

[3] 呂文磊, 張旭, 劉可. 一種距離選通水下激光成像系統(tǒng)設(shè)計(jì)與實(shí)驗(yàn)研究[J]. 兵器裝備工程學(xué)報(bào), 2019, 40(8): 198-202.

[4] 黃冬梅, 王龑, 宋巍, 等. 不同顏色模型下自適應(yīng)直方圖拉伸的水下圖像增強(qiáng)[J]. 中國(guó)圖象圖形學(xué)報(bào), 2018, 23(5):640-651.

[5] Zhang W, Li G, Ying Z. A new underwater image enhancing method via color correction and illumination adjustment[C]. 2017 IEEE Visual Communications and Image Processing, 2017:1-4.

[6] Ghani A S A. Image contrast enhancement using an integration of recursive-overlapped contrast limited adaptive histogram specification and dual-image wavelet fusion for the high visibility of deep underwater image[J]. Ocean Engineering, 2018, 162:224-238.

[7] Drews P L J, Nascimento E R, Botelho S S C, et al. Underwater depth estimation and image restoration based on single images[J]. IEEE computer graphics and applications, 2016, 36(2):24-35.

[8] 王鑫, 朱行成, 寧晨, 等. 融合暗原色先驗(yàn)和稀疏表示的水下圖像復(fù)原[J]. 電子與信息學(xué)報(bào), 2018, 40(2):264- 271.

[9] Yang M, Sowmya A, Wei Z Q, et al. Offshore underwater image restoration using reflection-decomposition-based transmission map estimation[J/OL]. IEEE Journal of Oceanic Engineering [2019-03-17]. https://ieeexplore. ieee.org/document/8605308.

[10] Li C, Quo J, Pang Y, et al. Single underwater image restoration by blue-green channels dehazing and red channel correction[C]. IEEE International Conference on Acoustics, 2016.

[11] Lu J, Li N, Zhang S, et al. Multi-scale adversarial network for underwater image restoration[J]. Optics & Laser Technology, 2019, 110:105-113.

[12] Chen X, Yu J, Kong S, et al. Towards real-time advancement of underwater visual quality with GAN[J]. IEEE Transactions on Industrial Electronics, 2019, 66(12): 9350-9359.

[13] Cheng N, Zhao T, Chen Z, et al. Enhancement of underwater images by super-resolution generative adversarial networks[C]. Proceedings of the 10th International Conference on Internet Multimedia Computing and Service, ACM, 2018:22.

[14] Land E H. The Retinex theory of color vision[J]. Scientific American, 1977, 237(6):108-129.

[15] Rahman Z U, Woodell G A. Multi-scale Retinex for color image enhancement[C]. International Conference on Image Processing, IEEE, 2002.

[16] He K, Sun J, Tang X. Guided image filtering[J]. IEEE transactions on pattern analysis and machine intelligence, 2012, 35(6):1397-1409.

[17] Eustice R, Pizarro O, Singh H, et al. UWIT: Underwater image toolbox for optical image processing and mosaicking in MATLAB[C]. Proceedings of the 2002 International Symposium on Underwater Technology, IEEE, 2002:141-145.

[18] Buchsbaum G. A spatial processor model for object colour perception[J]. Journal of the Franklin institute, 1980, 310(1):1-26.

[19] van de Weijer J, Gevers T, Gijsenij A. Edge-based color constancy[J]. IEEE Transactions on image processing, 2007, 16(9):2207-2214.

[20] Zhu Q, Mai J, Shao L. A fast single image haze removal algorithm using color attenuation prior[J]. IEEE transactions on image processing, 2015, 24(11):3522-3533.

[21] Yang M, Sowmya A. An underwater color image quality evaluation metric[J]. IEEE Transactions on Image Processing, 2015, 24(12):6062-6071.

[22] Panetta K, Gao C, Agaian S. Human-visual-system- inspired underwater image quality measures[J]. IEEE Journal of Oceanic Engineering, 2015, 41(3):541-551.

[23] Wang S, Ma K, Yeganeh H, et al. A patch-structure representation method for quality assessment of contrast changed images[J]. IEEE Signal Processing Letters, 2015, 22(12):2387-2390.

Underwater image enhancement based on color attenuation compensation and Retinex

YANG Fuhao, SHI Qichao, LAN Fangming, PENG Zongju*

( Faculty of Electrical Engineering and Computer Science, Ningbo University, Ningbo 315211, China )

To tackle the problems of color cast, foggy blur, low exposure and non-uniform illumination in underwater images, an underwater image enhancement algorithm is proposed based on attenuation compensation of color and the theory of Retinex. Firstly, in order to correct the color cast in underwater images, the red, green, and blue channel are adaptively compensated, which is achieved by using the different wavelengths of light attenuated accordingly. Then, the Retinex based on multi-scale guided filtering is used to remove foggy blur and improve contrast. Finally, the deblurred underwater image is normalized according to histogram distribution of the underwater image and the natural image, which enhances its texture and exposure on the premise of retaining the main information of images. The experimental results show that the proposed algorithm not only offers the best visual perception, but also achieves the highest score of image quality evaluation. The proposed algorithm features high adaptability, and may provide references for research in underwater target identification.

underwater image enhancement; color compensation; guided filtering; contrast

TP391

A

1001-5132（2020）01-0058-07

2019?07?06.

寧波大學(xué)學(xué)報(bào)（理工版）網(wǎng)址: http://journallg.nbu.edu.cn/

國(guó)家自然科學(xué)基金（61771269）; 浙江省自然科學(xué)基金（LY17F010005）.

楊福豪（1992－）, 男, 河南汝南人, 在讀碩士研究生, 主要研究方向: 水下圖像處理. E-mail: 306733695@qq.com

彭宗舉（1973－）, 男, 四川南部人, 教授, 主要研究方向: 視頻與圖像信號(hào)處理. E-mail: pengzongju@nbu.edu.cn

（責(zé)任編輯 韓 超）