基于非銳化掩模引導(dǎo)濾波的水下圖像細(xì)節(jié)增強(qiáng)算法研究

付青青，景春雷，裴彥良，闞光明，張正炳*，吳愛(ài)平

( 1. 長(zhǎng)江大學(xué) 電子信息學(xué)院，湖北 荊州 434023；2. 國(guó)家深?；毓芾碇行?，山東 青島 266237；3. 自然資源部第一海洋研究所，山東 青島 266061；4. 海洋沉積與環(huán)境地質(zhì)自然資源部重點(diǎn)實(shí)驗(yàn)室，山東 青島 266061；5. 青島海洋科學(xué)與技術(shù)試點(diǎn)國(guó)家實(shí)驗(yàn)室 海洋地質(zhì)過(guò)程與環(huán)境功能實(shí)驗(yàn)室，山東 青島 266237)

1 引言

海洋蘊(yùn)含著豐富的生物、礦產(chǎn)和能源等資源，人類在對(duì)海洋開(kāi)展基礎(chǔ)研究、資源勘探、生態(tài)監(jiān)測(cè)等的過(guò)程中，一般需借助先進(jìn)的海洋探測(cè)技術(shù)獲取相應(yīng)海域的環(huán)境信息[1-3]。利用水下光學(xué)探測(cè)技術(shù)，獲取水下圖像是一種認(rèn)識(shí)和探索海洋、獲取海洋有用信息的重要技術(shù)手段。由于水體本身特殊性質(zhì)以及懸浮顆粒、微生物等復(fù)雜環(huán)境的影響，光線在水中傳播時(shí)會(huì)受到水體的吸收和散射效應(yīng)，導(dǎo)致采集的水下光學(xué)圖像存在對(duì)比度低、色偏、細(xì)節(jié)模糊等退化現(xiàn)象[4-7]，不利于水下圖像資料的解釋和有用目標(biāo)的識(shí)別。因此，為了提高水下圖像的利用率和解釋的準(zhǔn)確性，采用圖像處理技術(shù)改善水下圖像的質(zhì)量至關(guān)重要。

由Zuiderveld[8]提出的限制對(duì)比度的直方圖均衡技術(shù)（Contrast Limited Adaptive Histogram Equalization，CLAHE）是一種對(duì)圖像局部細(xì)節(jié)增強(qiáng)性能良好的方法，在圖像增強(qiáng)領(lǐng)域有廣泛應(yīng)用。Garcia等[5]為了解決光照的問(wèn)題，較早地將CLAHE技術(shù)應(yīng)用于水下巖石圖像處理，取得了不錯(cuò)的效果。楊衛(wèi)中等[9]將CLAHE方法應(yīng)用到水下海參圖像處理，得到了適合海參圖像增強(qiáng)的參數(shù)值，在提高其對(duì)比度和細(xì)節(jié)保持方面有良好表現(xiàn)。這類基于直方圖均衡技術(shù)的空域增強(qiáng)算法會(huì)一定程度上改善水下圖像質(zhì)量，但會(huì)存在放大噪聲、人工偽影、顏色失真等現(xiàn)象[1]?；谧儞Q域的增強(qiáng)技術(shù)也是改善圖像質(zhì)量一種重要的手段，陳從平等[10]針對(duì)傳統(tǒng)同態(tài)濾波的不足，對(duì)處理的圖像先分塊進(jìn)行均值估計(jì)出背景，然后與原始圖像求差值，得到光照均勻的前景圖，對(duì)前景圖用改進(jìn)的巴特沃斯同態(tài)濾波處理，達(dá)到抑制低頻成分，有效放大高頻信息的目的，實(shí)驗(yàn)表明，該算法對(duì)于特別灰暗的水下圖像有顯著的增強(qiáng)效果。還有學(xué)者將小波變換技術(shù)用于水下圖像的增強(qiáng)處理[11]，取得了比較好的去噪效果，但對(duì)于局部細(xì)節(jié)的增強(qiáng)仍然不夠理想。He等[12]提出的基于暗通道先驗(yàn)理論（Dark Channel Prior, DCP）的圖像去霧算法對(duì)霧天圖像的處理取得了非常好的效果。由于水下圖像成像環(huán)境和戶外大霧天氣相似，因此DCP被廣泛地使用在水下圖像去模糊[13-17]，曹美等[14]以部分像素值的統(tǒng)計(jì)平均值作為水體光強(qiáng)的估計(jì)和利用雙邊濾波求解水體透射率，使DCP算法可以更好地去除水下圖像的模糊。朱振杰和王紅茹[15]借助中值濾波優(yōu)化了準(zhǔn)確估計(jì)背景光的方法，結(jié)合DCP原理求取水體透射率，取得較好視覺(jué)效果。Han和Chen[16]結(jié)合DCP與飽和度改進(jìn)了背景光的估計(jì)。湯忠強(qiáng)等[17]分析了DCP處理水下圖像時(shí)受到的局限性，對(duì)其做了改進(jìn)，提出改進(jìn)DCP算法（Improved DCP，IDCP），將最亮通道與最暗通道差值作為水體亮度值估計(jì)，對(duì)水下圖像進(jìn)行增強(qiáng)。這類基于物理模型的方法，如何準(zhǔn)確估計(jì)水體光強(qiáng)和透射率也是一個(gè)難點(diǎn)。

He等[18]和謝岱偉[19]經(jīng)過(guò)大量的實(shí)驗(yàn)證明，提出的引導(dǎo)濾波（Guided Filter，GF）在濾除噪聲、去霧、細(xì)節(jié)增強(qiáng)等方面表現(xiàn)出良好性能。謝岱偉[19]利用引導(dǎo)濾波對(duì)紅外圖像進(jìn)行細(xì)節(jié)增強(qiáng)，取得了不錯(cuò)的效果。但直接將引導(dǎo)濾波用于圖像的細(xì)節(jié)增強(qiáng)，會(huì)出現(xiàn)噪聲放大問(wèn)題，對(duì)于細(xì)微結(jié)構(gòu)的增強(qiáng)能力也有待提高。為了改善水下圖像細(xì)節(jié)不清晰以及對(duì)比度不足的問(wèn)題，本文以我國(guó)“蛟龍”號(hào)在西南印度洋采集的深海圖像為研究對(duì)象，提出一種基于非銳化掩模引導(dǎo)濾波的水下圖像細(xì)節(jié)增強(qiáng)算法。該算法對(duì)傳統(tǒng)的引導(dǎo)濾波細(xì)節(jié)增強(qiáng)進(jìn)行了改進(jìn)，以非銳化掩模圖像代替原始圖像作為引導(dǎo)圖，并設(shè)計(jì)了噪聲檢測(cè)的中值濾波對(duì)細(xì)節(jié)層進(jìn)行處理，最后將濾波后的細(xì)節(jié)層進(jìn)行增益后與引導(dǎo)濾波獲取的基礎(chǔ)層進(jìn)行合并，達(dá)到增強(qiáng)水下圖像細(xì)節(jié)和對(duì)比度的目的。

2 引導(dǎo)濾波

引導(dǎo)濾波作為一種新型濾波方法，其核心思想是基于局部線性模型，它通過(guò)一幅引導(dǎo)圖像指導(dǎo)輸入圖像，使得輸出圖像整體輪廓特征上與輸入圖像相同，而紋理細(xì)節(jié)方面與引導(dǎo)圖相似，在去除噪聲的同時(shí)能夠很好地保持邊緣信息，其輸出圖像q可用下式表示

式中，p為輸入圖像，即待濾波的圖像；I為引導(dǎo)圖像；r為濾波窗口大??；ε是正則化參數(shù)；r和ε可依賴經(jīng)驗(yàn)值確定。輸出圖像q和引導(dǎo)圖像I之間滿足如下假設(shè)：在以像素k為中心的局部窗口wk中呈線性關(guān)系，則某像素點(diǎn)的輸出表達(dá)式為

式中，i對(duì)應(yīng)局部窗口中的像素索引；ak和bk為窗口中的線性系數(shù)。對(duì)公式（2）兩邊求導(dǎo)取梯度，可得：，可見(jiàn)當(dāng)輸入引導(dǎo)圖像在某區(qū)域有梯度時(shí)，輸出圖像也會(huì)保持對(duì)應(yīng)的梯度，因此引導(dǎo)濾波在平滑背景的同時(shí)具有良好的邊緣保持性能。為了得到系數(shù)ak和bk的最優(yōu)解，需要輸出q盡量保留與輸入圖像p的有效信息，即使兩者之間差距最小，實(shí)現(xiàn)的方式通常是引入最小化代價(jià)函數(shù)，并使其最小來(lái)求最優(yōu)化問(wèn)題，為最小化代價(jià)函數(shù)，表達(dá)式如下：

通過(guò)引導(dǎo)濾波可以對(duì)圖像進(jìn)行細(xì)節(jié)增強(qiáng)，其過(guò)程可以用下式表示[18,20]

3 算法描述

由引導(dǎo)濾波的原理可知，輸出圖和引導(dǎo)圖之間存在局部線性關(guān)系，兩者的梯度圖也滿足線性關(guān)系，具有一致性。由于圖像銳化可以突出圖像邊緣和紋理細(xì)節(jié)區(qū)域，因此，本文提出將非銳化掩模的銳化圖像作為引導(dǎo)圖對(duì)原始圖像進(jìn)行引導(dǎo)濾波，讓輸出圖像的細(xì)節(jié)信息更加清晰；然后對(duì)細(xì)節(jié)層使用噪聲檢測(cè)的中值濾波去除斑點(diǎn)噪聲，將濾波后的細(xì)節(jié)層進(jìn)行增益后與引導(dǎo)濾波獲取的基礎(chǔ)層進(jìn)行疊加，達(dá)到增強(qiáng)水下圖像細(xì)節(jié)的目的。增強(qiáng)過(guò)程分為以下步驟：

（1）以原始圖像p作為引導(dǎo)圖對(duì)其進(jìn)行引導(dǎo)濾波，得到細(xì)節(jié)層pd；

（2）對(duì)步驟（1）中的細(xì)節(jié)層進(jìn)行噪聲檢測(cè)的中值濾波，去除斑點(diǎn)噪聲，得到圖像fd；

（3）對(duì)原始圖像p進(jìn)行基于均值濾波的非銳化掩模，得到銳化圖像ps；

（4）將步驟（3）中的銳化圖像ps作為引導(dǎo)圖，對(duì)原始圖像p進(jìn)行引導(dǎo)濾波，得到輸出圖像，即基礎(chǔ)層pb；

（5）對(duì)去除噪聲的細(xì)節(jié)層fd進(jìn)行增益，與步驟（4）中的基礎(chǔ)層pb疊加，得到細(xì)節(jié)增強(qiáng)的圖像qout。

圖1為本文細(xì)節(jié)增強(qiáng)算法流程框圖。

圖 1 細(xì)節(jié)增強(qiáng)算法流程框圖Fig. 1 Block diagram of the detail enhancement algorithm

3.1 細(xì)節(jié)層濾波

根據(jù)引導(dǎo)濾波原理，將原始圖像p作為引導(dǎo)圖像，由式（6）得到輸出圖像。根據(jù)文獻(xiàn)[18]給出的參考值，并結(jié)合實(shí)驗(yàn)測(cè)試，r、ε的取值分別為16、0.02。則步驟（1）中的細(xì)節(jié)層pd=p-q對(duì)應(yīng)圖像的高頻部分，其不僅包含了反映圖像紋理的有效信息，也含有噪聲信息，為了避免細(xì)節(jié)層乘以增益系數(shù)后導(dǎo)致噪聲放大，需要對(duì)細(xì)節(jié)層進(jìn)行去噪處理。本文所采用的由“蛟龍”號(hào)拍攝的水下生物圖像由于海底雜質(zhì)的影響，會(huì)引起散狀斑點(diǎn)噪聲的出現(xiàn)，噪聲也會(huì)存在于細(xì)節(jié)層中，為了更加準(zhǔn)確地檢測(cè)噪聲、保護(hù)圖像細(xì)節(jié)，本文對(duì)細(xì)節(jié)層先用四方向拉普拉斯算子進(jìn)行噪聲檢測(cè)，然后對(duì)其進(jìn)行中值濾波，非噪聲部分保持不變。拉普拉斯（Laplacian）算子是一種二階導(dǎo)數(shù)算子，對(duì)連續(xù)函數(shù)，它在位置(x,y)處的拉普拉斯值定義為

在數(shù)字圖像中，計(jì)算函數(shù)的拉普拉斯值通常借助各種模板來(lái)實(shí)現(xiàn)，圖2為常用的拉普拉斯模板，從模板的形式可以看出，如果圖像中在較暗的區(qū)域出現(xiàn)一個(gè)亮點(diǎn)，經(jīng)過(guò)拉普拉斯算子處理后，該亮點(diǎn)會(huì)變得更亮，因此該算子對(duì)線和孤立點(diǎn)檢測(cè)效果較好。

圖 2 拉普拉斯算子模板Fig. 2 Laplacian template

圖 3 四方向拉普拉斯模板Fig. 3 Laplacian template of four direction

為了更好地區(qū)分細(xì)線和孤立噪聲，受到經(jīng)典的拉普拉斯模板的啟發(fā)，本文定義四方向的拉普拉斯算子，分別為水平、垂直，兩個(gè)斜對(duì)角方向的4個(gè)模板，記為Mk,k=1，2，3，4，如圖3所示。用細(xì)節(jié)圖像分別與4個(gè)模板進(jìn)行卷積，如果圖像是較平滑的區(qū)域，由于像素值都較接近，4個(gè)模板卷積值都很小，如果是邊緣細(xì)節(jié)區(qū)，沿著細(xì)節(jié)方向的卷積值必定很小，剩下3個(gè)方向的值可能很大，如果是孤立噪聲點(diǎn)，模板卷積的絕對(duì)值都較大。因此，可以用模板卷積絕對(duì)值的最小值與設(shè)定閾值T比較進(jìn)行噪聲檢測(cè)，大于閾值的用中值濾波去除，其余的像素不做處理，這樣去除噪聲的同時(shí)，很好地保留了細(xì)節(jié)層中的有效信息。具體公式為

圖 4 細(xì)節(jié)層濾波Fig. 4 Detail layer filtering

圖 5 非銳化掩模效果對(duì)比Fig. 5 Comparison of unsharp masking results

3.2 基于非銳化掩模的引導(dǎo)濾波

非銳化掩模（Unsharp Masking, UM）是一種常用的銳化增強(qiáng)技術(shù)。其基本原理是將原圖像與低通濾波后得到的模糊圖做差值運(yùn)算得到高頻部分，然后乘上一個(gè)增益系數(shù)再與原圖求和，最后得到細(xì)節(jié)和邊緣等均增強(qiáng)的圖像。非銳化掩模過(guò)程用下式表示

常用的低通平滑濾波器有均值濾波器和高斯濾波器。兩者都是典型的線性濾波算法，其濾波思想采用模板卷積方式處理，將某一尺寸模板在圖像上移動(dòng)，把模板中心與要處理的像素重合，中心像素點(diǎn)的值用鄰域內(nèi)所有像素點(diǎn)進(jìn)行加權(quán)平均的灰度值來(lái)代替，均值濾波的模板中各位置的權(quán)值相同。均值濾波對(duì)圖像進(jìn)行平滑濾波的表達(dá)式由下式定義，

式中，S為原圖像中以點(diǎn)(i，j)為中心的一個(gè)鄰域；N為鄰域中像素點(diǎn)的個(gè)數(shù)。高斯模板的權(quán)重依賴于高斯函數(shù)的形狀，各個(gè)位置的權(quán)重不一樣，越靠近鄰域中心像素的位置，權(quán)值越大。與圖像進(jìn)行卷積的二維高斯函數(shù)表達(dá)式為

根據(jù)式（12）和式（13），生成 3×3 的均值濾波和高斯濾波模板分別用M1，M2表示，其中取1。

將尺寸相同的這兩類模板分別對(duì)圖像進(jìn)行濾波操作，并用原始圖像減去模糊圖像得到高頻部分，即掩模圖像。圖5為高斯濾波非銳化掩模與均值濾波非銳化掩模的效果對(duì)比，測(cè)試對(duì)象為圖4a中的原始圖像，橫坐標(biāo)為第95行像素坐標(biāo)的列索引值，縱坐標(biāo)對(duì)應(yīng)灰度值?？梢钥闯?，圖5b中均值濾波對(duì)邊緣和細(xì)節(jié)部分平滑效果要好于高斯濾波，濾波前后相差得到的高頻圖像反映的細(xì)節(jié)更加明顯。為了獲得豐富的紋理細(xì)節(jié)信息，本文的低通濾波器采用平滑效果較好的均值濾波，均值濾波在濾除噪聲的同時(shí)，會(huì)使得圖像的邊緣和細(xì)節(jié)變得模糊，模糊圖像中高頻成分被很大程度上削弱了，原圖與模糊圖像相減，會(huì)得到高頻圖像，即反映圖像細(xì)節(jié)的圖像，將細(xì)節(jié)部分信息乘上增益系數(shù)后，再與原始圖像進(jìn)行疊加，則的某些細(xì)節(jié)部分得到了增強(qiáng)，達(dá)到了圖像銳化的效果。對(duì)于噪聲較少的深海圖像，采用這種線性的UM算法，能取得較好的銳化效果，細(xì)節(jié)部分清晰度提高的同時(shí)，原圖中的平滑區(qū)域不受影響，得到了保留。最后將非銳化掩模的銳化圖像作為引導(dǎo)圖像對(duì)圖像進(jìn)行引導(dǎo)濾波，這樣可以讓輸出圖像紋理細(xì)節(jié)部分與引導(dǎo)圖相似。

原始圖像經(jīng)過(guò)以非銳化掩模的銳化圖像為引導(dǎo)圖像濾波后，得到了反映圖像輪廓部分的基礎(chǔ)層pb，其中r、ε的取值分別為40、0.02。若式（7）中經(jīng)濾波后的細(xì)節(jié)層用fd表示，則細(xì)節(jié)增強(qiáng)過(guò)程可由下式表示

4 實(shí)驗(yàn)結(jié)果與分析

根據(jù)本文所提出的算法，使用版本為R2008b的Matlab軟件實(shí)現(xiàn)了圖像細(xì)節(jié)增強(qiáng)算法程序，對(duì)我國(guó)“蛟龍”號(hào)采集的不同水下圖像進(jìn)行了測(cè)試，并將本文所提算法與CLAHE算法[8]、暗通道先驗(yàn)算法(DCP)[12]、改進(jìn)暗通道先驗(yàn)算法(IDCP)[17]和引導(dǎo)濾波細(xì)節(jié)增強(qiáng)算法[18]進(jìn)行了對(duì)比。

4.1 主觀評(píng)價(jià)

為了驗(yàn)證本文算法的性能，本文對(duì)大洋35航次第二航段，“蛟龍”號(hào)在西南印度洋海底拍攝的大量圖像進(jìn)行了測(cè)試，下面選取有代表性的3幅圖像進(jìn)行說(shuō)明。圖6顯示了本文方法和其他算法進(jìn)行增強(qiáng)的結(jié)果對(duì)比，圖6a是采集的原始圖像，分別是2 900 m水深海底珊瑚圖像、2 800 m水深海底魚(yú)類圖像和海底蝦類圖像。圖6b是CLAHE算法增強(qiáng)的結(jié)果，對(duì)比度有提高，但細(xì)節(jié)部分沒(méi)有多大變化，圖像出現(xiàn)少許色偏現(xiàn)象。圖6c是采用引導(dǎo)濾波細(xì)節(jié)增強(qiáng)的效果，圖像的整體對(duì)比度得到了增強(qiáng)，亮度提高，但紋理細(xì)節(jié)不夠明顯，圖像中斑點(diǎn)噪聲也被放大，比如珊瑚圖像右下部分斑點(diǎn)噪聲比較明顯。圖6d是暗通道先驗(yàn)算法增強(qiáng)結(jié)果，對(duì)比度略有提高，但整體圖像與原圖像比較偏暗。圖6e是改進(jìn)暗通道先驗(yàn)算法處理結(jié)果，該算法對(duì)于嚴(yán)重色偏和渾濁環(huán)境的水下圖片有良好去霧和色偏校正效果，對(duì)于本文圖片細(xì)節(jié)增強(qiáng)效果并不理想，珊瑚根部和魚(yú)背上的紋理發(fā)白不可見(jiàn)。圖6f是本文算法增強(qiáng)的結(jié)果，從圖中可以看出，整體對(duì)比度提高的同時(shí)，細(xì)節(jié)清晰可見(jiàn)，比如珊瑚紋理細(xì)節(jié)信息，魚(yú)眼睛部分都得到了突顯，珊瑚圖像中散斑噪聲也被濾除，蝦類圖像中頂部白色物體細(xì)微結(jié)構(gòu)也得到了增強(qiáng)，視覺(jué)效果更好。通過(guò)實(shí)驗(yàn)測(cè)試，本文算法對(duì)于自然場(chǎng)景的圖像以及霧天圖像也有良好的細(xì)節(jié)增強(qiáng)效果，由于篇幅限制，文中沒(méi)有給出處理效果圖。

4.2 客觀評(píng)價(jià)

除了主觀評(píng)價(jià)圖像處理結(jié)果的視覺(jué)效果，本文還采用信息熵（Information Entropy, IE）[10,14]，局部對(duì)比度（Local Contrast, LC）[22]和平均梯度（Mean Gradient,MG）[10,14,23]對(duì)圖像處理效果進(jìn)行客觀評(píng)價(jià)，信息熵是評(píng)估圖像中信息量的有效方法，灰度級(jí)范圍在[0，L-1]的圖像，信息熵的表達(dá)式為

式中，M、N表示圖像尺寸大?。?、分別表示以像素點(diǎn)（x，y）為中心的某一子塊中像素灰度最大值和最小值，本文中子塊大小取為5×5，為了避免出現(xiàn)分母為0的情況，c是一較小的常數(shù)，取值為0.000 1。

圖像的平均梯度可以反映圖像微小細(xì)節(jié)的反差和紋理變換特征，通常平均梯度越大，圖像的細(xì)節(jié)層次越多，清晰度也越高，平均梯度的定義為

本文借助索貝爾（Sobel）算子來(lái)計(jì)算像素點(diǎn)（x，y）處的梯度值。不同算法的客觀評(píng)價(jià)指標(biāo)計(jì)算結(jié)果見(jiàn)表1。從表中可以看出，相對(duì)于原始圖像，4種算法增強(qiáng)處理后，IE、LC、MG 3個(gè)客觀評(píng)價(jià)指標(biāo)數(shù)據(jù)均高于原始圖像對(duì)應(yīng)的值，說(shuō)明這些方法對(duì)圖像都有增強(qiáng)效果，本文算法增強(qiáng)后的3幅圖像在局部對(duì)比度、平均梯度這兩個(gè)指標(biāo)上的值均優(yōu)于其他算法，信息熵的值除了珊瑚圖像對(duì)應(yīng)的測(cè)試結(jié)果略低于CLAHE算法，魚(yú)、蝦類圖像對(duì)應(yīng)的信息熵也高于其他3種算法，說(shuō)明本文算法在對(duì)比度的增強(qiáng)以及細(xì)節(jié)層次和清晰度的提高方面有明顯優(yōu)勢(shì)。

圖 6 各種算法處理結(jié)果Fig. 6 Comparison of enhancement results using various techniques

表 1 原圖和不同算法圖像客觀指標(biāo)對(duì)比結(jié)果Table 1 Contrast results of image objective indexes between original image and images with different algorithms

5 結(jié)論

由于水下復(fù)雜環(huán)境的影響，光學(xué)成像過(guò)程中水體對(duì)光線存在散射和吸收效應(yīng)，導(dǎo)致拍攝的水下圖像存在對(duì)比度低、細(xì)節(jié)模糊等退化現(xiàn)象，不利于水下圖像資料的解釋和目標(biāo)的識(shí)別。針對(duì)這一問(wèn)題，本文提出了基于非銳化掩模引導(dǎo)濾波的細(xì)節(jié)增強(qiáng)方法對(duì)水下圖像進(jìn)行增強(qiáng)。首先對(duì)原始圖像做引導(dǎo)濾波得到細(xì)節(jié)層圖像，并對(duì)細(xì)節(jié)層使用噪聲檢測(cè)的中值濾波去除斑點(diǎn)噪聲；然后對(duì)原始圖像進(jìn)行均值濾波的非銳化掩模得到銳化圖像，并將銳化圖像作為引導(dǎo)圖對(duì)原始圖像進(jìn)行引導(dǎo)濾波，讓輸出基礎(chǔ)層圖像的細(xì)節(jié)信息更加清晰；最后將濾波后的細(xì)節(jié)層增益后與引導(dǎo)濾波獲取的基礎(chǔ)層進(jìn)行疊加，達(dá)到增強(qiáng)水下圖像細(xì)節(jié)的目的。將本文方法與文獻(xiàn)中的其他4種經(jīng)典方法進(jìn)行了比較，并通過(guò)信息熵、局部對(duì)比度和平均梯度3種客觀評(píng)價(jià)指標(biāo)對(duì)圖像處理結(jié)果進(jìn)行了對(duì)比分析。主觀和客觀測(cè)試結(jié)果表明本文算法能夠有效提高圖像對(duì)比度以及細(xì)節(jié)清晰度，本文研究成果可以為提高水下圖像資料解釋和目標(biāo)識(shí)別的準(zhǔn)確性提供一種可行的方法。本文主要針對(duì)信噪比較高、色偏不嚴(yán)重的水下圖像進(jìn)行細(xì)節(jié)和對(duì)比度的增強(qiáng)，對(duì)于低信噪比圖像或有嚴(yán)重色偏圖像的細(xì)節(jié)增強(qiáng)處理，后期的研究工作需要對(duì)現(xiàn)有算法進(jìn)行改進(jìn)，尋求滿足圖像去噪和色偏校正功能的圖像細(xì)節(jié)增強(qiáng)方法。

致謝：本文主要基于中國(guó)大洋35航次第二航段“蛟龍”號(hào)載人潛水器在西南印度洋洋脊拍攝的海底圖像資料，在此對(duì)航次組織實(shí)施單位國(guó)家深海基地管理中心和全體參航科考隊(duì)員致以誠(chéng)摯的謝意！