基于顏色校正和引導(dǎo)濾波分層的水下圖像增強(qiáng)

史金余 郝明良 鄒沛煜

(大連海事大學(xué)信息科學(xué)技術(shù)學(xué)院 遼寧 大連 116026)

0 引 言

水下圖像是人類獲取水下信息的主要手段，但是水下環(huán)境特殊的物理和化學(xué)特性嚴(yán)重影響了水下圖像的質(zhì)量。一方面，紅、綠和藍(lán)光的不同衰減率引起水下圖像顯示偏藍(lán)綠色；另一方面，懸浮在水下的顆粒吸收了大部分光能，并且由于水下介質(zhì)的散射，從而導(dǎo)致圖像具有低對(duì)比度、邊緣模糊和清晰度減弱等特征[1-2]。因此水下圖像處理也成為了當(dāng)前研究的難點(diǎn)和熱點(diǎn)，它的實(shí)現(xiàn)會(huì)對(duì)后續(xù)水下目標(biāo)識(shí)別、資源采集等工作提供極大的幫助。

針對(duì)水下圖像處理，圖像復(fù)原和圖像增強(qiáng)是兩種常用的方法。圖像復(fù)原方法是依據(jù)水下散射特性建立相應(yīng)模型，進(jìn)而通過對(duì)水下成像模型的逆求解來實(shí)現(xiàn)水下圖像的恢復(fù)。圖像增強(qiáng)方法是通過調(diào)整圖像的像素值來進(jìn)行圖像對(duì)比度和清晰度的增強(qiáng)。Torres-Mendez等[3]提出采用馬爾可夫隨機(jī)場的方法從統(tǒng)計(jì)先驗(yàn)的角度來改善水下圖像質(zhì)量；Iqbal等[4]提出先后在RGB和HIS兩個(gè)顏色空間上分別進(jìn)行滑動(dòng)直方圖拉伸，有效地解決了水下圖像對(duì)比度低和偏色問題；Petit等[5]提出一種基于四元衰減系數(shù)反轉(zhuǎn)的方法，依據(jù)衰減特性逆向計(jì)算出顏色分布，該算法可以增強(qiáng)水下圖像整體對(duì)比度和色度，但修正后圖像的背景顏色偏灰；Iqbal等[6]提出一種基于對(duì)比度增強(qiáng)和顏色校正的非監(jiān)督水下圖像增強(qiáng)算法，可以有效地提高圖像整體亮度，但圖像依然會(huì)呈現(xiàn)色度不均勻現(xiàn)象；Ancuti等[7]提出基于融合的水下圖像增強(qiáng)方法，解決了水下圖像模糊和偏色問題，但有時(shí)會(huì)出現(xiàn)過飽和現(xiàn)象；Ghani等[8]提出一種基于瑞利分布函數(shù)的對(duì)比度受限的自適應(yīng)直方圖均衡法，它可以在一定程度上提高水下圖像的可見度、對(duì)比度，但是這種方法往往會(huì)引入多余的噪聲，導(dǎo)致圖像信噪比降低。

本文提出一種基于顏色校正和引導(dǎo)濾波圖像分層的水下圖像增強(qiáng)方法，首先將原始圖像經(jīng)過自動(dòng)白平衡處理，實(shí)現(xiàn)顏色校正，然后為了更好地兼顧圖像的全局與局部對(duì)比度，提出采用引導(dǎo)濾波圖像分層的思想將顏色校正的圖像分為基礎(chǔ)圖像和細(xì)節(jié)圖像，基礎(chǔ)圖像表示圖像的低頻分量，細(xì)節(jié)圖像表示圖像的高頻分量，將基礎(chǔ)圖像轉(zhuǎn)換至LAB空間，繼而對(duì)L通道采用CLAHE算法處理來增強(qiáng)對(duì)比度，減少對(duì)圖像色彩分量造成的影響，對(duì)細(xì)節(jié)圖像采用gamma算法進(jìn)行紋理信息增強(qiáng)，單獨(dú)對(duì)基礎(chǔ)圖像和細(xì)節(jié)圖像進(jìn)行處理能夠更好地提升圖像的高、低頻分量，最后將增強(qiáng)后的基礎(chǔ)圖像和細(xì)節(jié)圖像采用基于局部方差和全局方差的加權(quán)融合方法得到最終圖像。

1 算法原理

本文基于顏色校正和引導(dǎo)濾波分層的圖像增強(qiáng)方法包括兩方面：一是采用自動(dòng)白平衡算法對(duì)圖像顏色進(jìn)行校正，二是基于引導(dǎo)濾波分層的思想對(duì)圖像進(jìn)行對(duì)比度增強(qiáng)。

Ienhanced=D_ENHANCED(C_ENHANCED(Iinitial))

(1)

式中：Iinitial為原始水下圖像；Ienhanced為通過本文算法增強(qiáng)后的圖像；C_ENHANCED()為顏色校正函數(shù)；D_ENHANCED()為對(duì)比度增強(qiáng)函數(shù)。

1.1 算法流程

本文的算法流程架構(gòu)如圖1所示，主要分解為三個(gè)階段：1) 對(duì)原始水下圖像采用白平衡算法進(jìn)行顏色失真校正；2) 對(duì)顏色校正后的圖像采用引導(dǎo)濾波算法獲得基礎(chǔ)圖像，然后將顏色校正后圖像減去基礎(chǔ)圖像，則獲得細(xì)節(jié)圖像，同時(shí)對(duì)基礎(chǔ)圖像，先將其轉(zhuǎn)換到Lab色彩空間，然后在L通道采用CLAHE算法進(jìn)行對(duì)比度增強(qiáng)，再轉(zhuǎn)換回RGB空間，對(duì)細(xì)節(jié)圖像則采用Gamma變換進(jìn)行圖像細(xì)節(jié)增強(qiáng)；3)對(duì)增強(qiáng)后的基礎(chǔ)圖像和細(xì)節(jié)圖像，通過采用線性加權(quán)融合的方法進(jìn)行處理得到最終結(jié)果圖像。

圖1 本文算法流程

1.2 顏色校正

依據(jù)水下圖像衰減模型可知，紅光衰減最快，藍(lán)綠光衰減較慢，導(dǎo)致大多數(shù)水下圖像呈現(xiàn)藍(lán)綠色?；趧?dòng)態(tài)閾值的白平衡算法[9]通過白點(diǎn)檢測和白點(diǎn)調(diào)整對(duì)不同色溫下拍攝的圖像進(jìn)行校正，還原物體本來的色彩，因此可以采用基于動(dòng)態(tài)閾值的自動(dòng)白平衡算法對(duì)圖像進(jìn)行顏色校正。

算法首先是將原始水下圖像從RGB空間轉(zhuǎn)換到Y(jié)CbCr空間，將其進(jìn)行分塊操作，同時(shí)計(jì)算每塊區(qū)域兩個(gè)色度信號(hào)Cb和Cr的均值Mb、Mr和方差Db、Dr。對(duì)于方差Db和Dr很小的塊區(qū)域，則可直接舍棄掉。計(jì)算剩下塊區(qū)域的平均值，得到整幅圖像均值Mb，Mr以及方差Db、Dr。繼而按照一定的條件確定候補(bǔ)白點(diǎn)。選取候補(bǔ)白點(diǎn)的條件如下：

|Cb(i,j)-(Mb+Db×sign(Mb))|<1.5×Db

(2)

|Cr(i,j)-(1.5×Mr+Dr×sign(Mr))|<1.5×Dr

(3)

式中：Cb(i,j)和Cr(i,j)是像素的色度值；sign(Mb)和sign(Mr)是對(duì)應(yīng)Mb和Mr的符號(hào)函數(shù)。

然后從候補(bǔ)白點(diǎn)中選取亮度值處于前10%的白點(diǎn)作為參考白點(diǎn)，根據(jù)選取的參考白點(diǎn)進(jìn)一步確定白平衡的增益值。為了讓圖像校正后亮度跟校正前亮度保持在同一水平，在進(jìn)行增益計(jì)算時(shí)采用最大亮度值作為參考值，進(jìn)而計(jì)算出R、G、B三通道的增益系數(shù)。

最后，通過增益系數(shù)得到顏色校正后的水下圖像Icolor_enhanced。

Icolor_enhanced=C_ENHANCED(Iinitial)

(4)

式中：C_ENHANCED()是上面提到的顏色校正方法。

以圖2(a)為例，采用該算法對(duì)其進(jìn)行顏色校正，處理后的圖像如圖2(b)所示?？梢钥闯?，圖像的色彩得到了明顯改善。

(a) 原始圖像 (b) 顏色校正后圖像圖2 圖像顏色校正前后對(duì)比

1.3 引導(dǎo)濾波圖像分層處理

水下退化圖像經(jīng)過白平衡處理后，顏色得到校正，但其對(duì)比度較低。引導(dǎo)濾波的核心思想是將圖像中各個(gè)像素點(diǎn)與它附近的像素點(diǎn)表示為一種線性關(guān)系，繼而圖像中各個(gè)像素點(diǎn)的線性關(guān)系即是不同的，計(jì)算出每個(gè)像素點(diǎn)的線性關(guān)系，則即獲取到了與原始圖像梯度信息一致的基礎(chǔ)圖像[10]。因此，可以采用引導(dǎo)濾波算法進(jìn)行圖像分層，即對(duì)圖像進(jìn)行引導(dǎo)濾波處理，得到反映圖像輪廓信息的基礎(chǔ)圖像，繼而用原始圖像減去基礎(chǔ)圖像則得到反映圖像紋理的細(xì)節(jié)圖像，然后對(duì)它們分別進(jìn)行增強(qiáng)處理，最大化改善低頻分量和高頻分量的增強(qiáng)效果，兼顧增強(qiáng)圖像的全局與局部對(duì)比度。

因此，先對(duì)顏色校正后的圖像Icolor_enhanced采用引導(dǎo)濾波處理，同時(shí)設(shè)置圖像Icolor_enhanced作為引導(dǎo)圖像Iguide，則由引導(dǎo)濾波的局部線性模型得到基礎(chǔ)圖像：

Ibase=ma(Icolor_enhanced)b+nab∈ha

(5)

式中：a和b是像素索引；ha表示第a個(gè)核函數(shù)窗口；ma和na是當(dāng)窗口中心處于a位置時(shí)，該線性函數(shù)的系數(shù)。ma和na的最優(yōu)解是：

(6)

(7)

進(jìn)而，得到細(xì)節(jié)圖像Idetail：

Idetail=Icolor_enhanced-Ibase

(8)

以圖2(b)為對(duì)象，采用引導(dǎo)濾波對(duì)圖像進(jìn)行處理后，得到的基礎(chǔ)圖像和細(xì)節(jié)圖像如圖3(a)和圖3(b)所示。

(a) 基礎(chǔ)圖像 (b) 細(xì)節(jié)圖像圖3 引導(dǎo)濾波處理后的基礎(chǔ)圖像與細(xì)節(jié)圖像

(1) 基礎(chǔ)圖像處理?；A(chǔ)圖像反映圖像輪廓信息，背景模糊，對(duì)比度較低，因此對(duì)基礎(chǔ)圖像的處理，通過修正灰度范圍和提高對(duì)比度即可，而暫時(shí)無須過多考慮圖像細(xì)節(jié)的處理問題，而且在增強(qiáng)對(duì)比度時(shí)，為了減少對(duì)圖像色彩產(chǎn)成的影響，則先將圖像從RGB空間轉(zhuǎn)化到Lab空間，因a、b通道表示圖像的色彩分量，則只需在L通道采用限制對(duì)比度的自適應(yīng)直方圖均衡(CLAHE)[11]方法進(jìn)行增強(qiáng)即可，最終再把增強(qiáng)后圖像轉(zhuǎn)換回RGB空間。

算法首先將圖像分割成大小相同的M×N個(gè)子區(qū)域，獲取每個(gè)子區(qū)域的灰度直方圖，并令每個(gè)子區(qū)域上的灰度級(jí)獲得相同的像素?cái)?shù), 即平均像素?cái)?shù)：

(9)

式中：Ngray表示子區(qū)域中灰度級(jí)總數(shù)量；Nx表示子區(qū)域x軸方向上的像素?cái)?shù)；Ny表示子區(qū)域y軸方向上的像素?cái)?shù)。

最后，對(duì)裁剪后重新分配的子區(qū)域直方圖上做均衡化操作，構(gòu)造子區(qū)域的灰度映射函數(shù)，采用雙線性插值法，計(jì)算出各像素點(diǎn)的灰度值。即可獲得增強(qiáng)后圖像Ibase_enhanced。

Ibase_enhanced=toRGB(CLAHE(toLab(Ibase)))

(10)

式中：toLab()是將圖像轉(zhuǎn)換到LAB空間；toRGB()是將圖像從LAB空間轉(zhuǎn)換到RGB空間。

以圖3(a)為對(duì)象，利用上述過程，對(duì)其完成對(duì)比度增強(qiáng)，圖4(a)是將其轉(zhuǎn)換到Lab空間，圖4(b)是在L通道上進(jìn)行CLAHE增強(qiáng)，圖4(c)是再轉(zhuǎn)回RGB空間，即最終圖像對(duì)比度增強(qiáng)效果。

(a) Lab圖像(b) L通道CLAHE增強(qiáng)(c) RGB圖像圖4 基礎(chǔ)圖像增強(qiáng)

(2) 細(xì)節(jié)圖像處理。細(xì)節(jié)圖像表示圖像的高頻部分，包含了圖像大量細(xì)節(jié)信息。Gamma變換[12]是通過對(duì)輸入圖像灰度值進(jìn)行非線性操作的一種圖像增強(qiáng)方法。因此，對(duì)于細(xì)節(jié)圖像，可以采用Gamma變換的方法進(jìn)行紋理細(xì)節(jié)增強(qiáng)。同時(shí)，進(jìn)行Gamma變換時(shí)，考慮到圖像中由于環(huán)境因素等產(chǎn)生的極大、極小噪聲，所以用以下方式選擇拉伸區(qū)間，定義拉伸區(qū)間最小強(qiáng)度值為Ilow：

(11)

(12)

為了避免噪聲引起的誤差，使用如下的Gamma公式來進(jìn)行拉伸：

(13)

式中：Ix是當(dāng)前像素灰度值，T(Ix)為校正后的像素值。對(duì)于修正參數(shù)α，當(dāng)α>1時(shí)，灰度值接近Ihigh的像素點(diǎn)強(qiáng)度將會(huì)被拉伸，灰度值接近Ilow的像素點(diǎn)強(qiáng)度將會(huì)被壓縮，圖像整體偏暗；相反，當(dāng)α<1時(shí)，灰度值靠近Ihigh的像素點(diǎn)強(qiáng)度將會(huì)被壓縮，灰度值靠近Ilow的像素點(diǎn)強(qiáng)度將會(huì)被拉伸，圖像整體偏亮。本文選取α=0.95。

則細(xì)節(jié)增強(qiáng)后的圖像是Idetail_enhanced：

Idetail_enhanced=gamma(Idetail)

(14)

式中：gamma()是上面提到的Gamma變換函數(shù)。

以圖3(b)為對(duì)象，利用上述過程，則增強(qiáng)后細(xì)節(jié)圖像如圖5所示。

圖5 細(xì)節(jié)圖像增強(qiáng)

1.4 加權(quán)融合

對(duì)增強(qiáng)后的基礎(chǔ)圖像和細(xì)節(jié)圖像進(jìn)行加權(quán)融合[13]得到最終圖像Ienhanced:

Ienhanced=Ibase_enhanced+χIdetail_enhanced

(15)

對(duì)于一幅圖像來說，圖像某點(diǎn)局部方差值越大，說明該點(diǎn)高頻成分越多，相反，局部方差值越小，說明該點(diǎn)高頻成分越少。將局部方差記為：

(16)

式中:|w|表示該平滑窗口w內(nèi)擁有像素點(diǎn)的總個(gè)數(shù)。

圖像的全局均方差記為：

(17)

Ienhanced(x,y)=Ibase_enhanced(x,y)+

(18)

以圖4(c)和圖5為對(duì)象，采用上述方法，得到融合后的結(jié)果圖像如圖6所示?？梢钥闯?，處理后圖像的對(duì)比度和視覺效果得到有效的提升。

圖6 融合圖像

2 實(shí)驗(yàn)結(jié)果與分析

本文實(shí)驗(yàn)均在操作系統(tǒng)為Windows7_64位旗艦版，安裝內(nèi)存為8 GB，處理器為Intel(R) Core(TM) i7- 5600U CPU@2.60 GHz的PC機(jī)上運(yùn)行，編程環(huán)境為MATLAB R2018b。

2.1 主觀分析

為了驗(yàn)證本文算法對(duì)于水下圖像增強(qiáng)的有效性，針對(duì)不同的場景，從主觀視覺角度，本文將同原圖，文獻(xiàn)[14]中算法、文獻(xiàn)[15]中算法、文獻(xiàn)[6]中算法和文獻(xiàn)[16]中算法得到的結(jié)果進(jìn)行對(duì)比。首先選取后向散射程度不同的5幅水下圖像，然后對(duì)其進(jìn)行處理，這些水下圖像的拍攝距離和狀態(tài)未知，同時(shí)對(duì)其依照后向散射程度逐步減少的順序進(jìn)行排列，獲取到相應(yīng)的測試結(jié)果如圖7所示。

(a) 原始水下圖像

(b) 文獻(xiàn)[14]算法

(c) 文獻(xiàn)[15]算法

(d) 文獻(xiàn)[6]算法

(e) 文獻(xiàn)[16]算法

(f) 本文算法圖7 不同方法水下圖像增強(qiáng)效果對(duì)比

依據(jù)測試結(jié)果可知，采用文獻(xiàn)[14]中的DCP算法處理后向散射較低的水下圖像Image5后，圖像的對(duì)比度、亮度在一定程度上有所提升，但對(duì)于后向散射過大的圖像Image1，該算法處理效果較差，說明直接采用暗原色去霧算法應(yīng)用于水下圖像復(fù)原并不能達(dá)到很理想的效果；采用文獻(xiàn)[15]中的算法處理這組圖像后，相比較于文獻(xiàn)[14]中的算法，圖像的對(duì)比度進(jìn)一步增強(qiáng)，細(xì)節(jié)更加突出，但是圖像整體偏暗，且對(duì)于后向散射過大的圖像Image1同樣效果較差。對(duì)于文獻(xiàn)[14]和文獻(xiàn)[15]中的算法，總體來看，因?yàn)槿狈ι恃a(bǔ)償，并不能對(duì)色彩進(jìn)行很好的校正，處理后圖像存在色差，對(duì)顏色失真的圖像處理效果不是很理想。采用文獻(xiàn)[6]中的算法處理圖像后，相對(duì)于文獻(xiàn)[14]、文獻(xiàn)[15]來說，這一組圖像整體的對(duì)比度、顏色都有較高提升，特別是對(duì)于后向散射程度較高的圖像Image1，色彩得到一定程度地還原，但是對(duì)于后向散射程度過高的圖像Image5來說，顏色校正過當(dāng)。采用文獻(xiàn)[16]中的算法處理后，相比較于前幾種算法來說，較好地解決了偏色問題，同時(shí)提高了圖像的對(duì)比度，但是圖像整體色彩都偏紅和偏暗，視覺效果不是太理想。相比較而言，采用本文算法處理后圖像的顏色保真度、對(duì)比度和視覺效果方面，綜合考慮均優(yōu)于其他算法。原因在于，本文算法先采用基于動(dòng)態(tài)閾值的自動(dòng)白平衡算法進(jìn)行顏色校正；然后為了更好地兼顧圖像的全局與局部對(duì)比度，采用引導(dǎo)濾波算法，將圖像分解為代表低頻分量的基礎(chǔ)圖層和代表高頻分量的細(xì)節(jié)圖層；同時(shí)為了最大化改善基礎(chǔ)圖層和細(xì)節(jié)圖層的增強(qiáng)效果，對(duì)于基礎(chǔ)圖層，將其轉(zhuǎn)換到Lab空間，在其Lab空間的L通道采用CLAHE算法進(jìn)行處理，不僅可以提高圖像全局對(duì)比度，而且可以減少對(duì)圖像色彩分量造成的影響，對(duì)于細(xì)節(jié)圖層，采用Gamma變換進(jìn)行紋理細(xì)節(jié)增強(qiáng)，同時(shí)對(duì)增強(qiáng)后的基礎(chǔ)圖層和細(xì)節(jié)圖層采用基于局部方差和全局方差的加權(quán)融合算法獲得最終結(jié)果圖像，使圖像的整體視覺效果最佳。

2.2 客觀分析

為了進(jìn)一步說明實(shí)驗(yàn)效果，本文采用平均梯度[17]、信息熵[18]、PCQI[19]和UCIQE[20]四種圖像質(zhì)量評(píng)價(jià)指標(biāo)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。評(píng)價(jià)結(jié)果如表1所示。

表1 水下圖像質(zhì)量評(píng)價(jià)

續(xù)表1

平均梯度反映了圖像細(xì)節(jié)變化的速率，表示圖像的清晰程度，其平均梯度值越大，它的層次就越多，圖像的清晰度就越高。平均梯度的計(jì)算公式為：

(19)

式中：f為圖像的灰度值；M、N分別為圖像的高和寬。

信息熵反映了圖像平均信息量的多少，表征圖像灰度分布的聚集特征，其信息熵越大，則圖像包含的信息就越多，進(jìn)而圖像也就越豐富。信息熵的計(jì)算公式為：

(20)

式中：n是圖像灰度級(jí)最大值；i是像素點(diǎn)灰度級(jí)數(shù)；p(i)是像素點(diǎn)分布在i灰度級(jí)數(shù)的概率。

PCQI是局域塊的對(duì)比度質(zhì)量索引，代表圖像的對(duì)比度變化情況。數(shù)值越大，代表圖像對(duì)比度越高。

UCIQE是以圖像的色度、飽和度、對(duì)比度為測量分量，將它們進(jìn)行線性組合，是量化水下圖像非均勻顏色偏差、模糊以及對(duì)比度的質(zhì)量評(píng)價(jià)方法。數(shù)值越大，代表水下圖像質(zhì)量越好。

由表1可知，采用文獻(xiàn)[14]中的算法和文獻(xiàn)[15]中的算法處理后，圖像的AG指標(biāo)值較其他算法低，表明其處理后的圖像清晰度較差；采用文獻(xiàn)[6]中的算法處理后圖像的PCQI值略低于文獻(xiàn)[16]中的算法，這個(gè)結(jié)果表明其對(duì)圖像對(duì)比度的提升能力弱于文獻(xiàn)[16]中的算法；在主觀評(píng)價(jià)中能夠看出，采用文獻(xiàn)[16]中的算法對(duì)圖像處理后，其色彩稍微偏紅，且圖像整體亮度不足，因?yàn)閁CIQE指標(biāo)是依據(jù)圖像的對(duì)比度、模糊和非均勻色差決定的，故而文獻(xiàn)[16]中算法的UCIQE指標(biāo)值略低于文獻(xiàn)[6]中算法。最后通過本文方法處理后，圖像的平均梯度、信息熵、PCQI和UCIQE等指標(biāo)都有了很大的提升，優(yōu)于其他方法。這些結(jié)果綜合表明我們的方法對(duì)水下圖像的增強(qiáng)效果有明顯改善。

2.3 應(yīng)用測試

圖像增強(qiáng)是為了對(duì)后續(xù)的應(yīng)用分析提供高質(zhì)量圖像。進(jìn)而為了驗(yàn)證采用本文算法處理后圖像的應(yīng)用效果，設(shè)置不同圖像處理方法進(jìn)行應(yīng)用對(duì)比實(shí)驗(yàn)。采用SIFT算法[21]進(jìn)行特征點(diǎn)匹配測試，在相同閾值條件下，不同算法的應(yīng)用測試效果如圖8所示，原圖的特征點(diǎn)匹配數(shù)目是3，采用文獻(xiàn)[14]中算法處理后圖像的正確特征點(diǎn)匹配數(shù)目是8，采用文獻(xiàn)[15]中算法處理后圖像的正確特征點(diǎn)匹配數(shù)目是7，采用文獻(xiàn)[6]中算法處理后圖像的正確特征點(diǎn)匹配數(shù)目是11，采用文獻(xiàn)[16]中算法處理后圖像的正確特征點(diǎn)匹配數(shù)目是43，采用本文算法處理后圖像的正確特征點(diǎn)匹配數(shù)目是60。通過比較，本文算法匹配到的特征點(diǎn)數(shù)目最多。從測試結(jié)果中可以看出，采用本文算法處理后的圖像在進(jìn)一步的特征提取中產(chǎn)生了較好的效果。

(a) 原始水下圖像 (b) 文獻(xiàn)[14]算法

(c) 文獻(xiàn)[15]算法 (d) 文獻(xiàn)[6]算法

(e) 文獻(xiàn)[16]算法 (f) 本文算法圖8 不同方法特征點(diǎn)匹配對(duì)比

3 結(jié) 語

水下退化圖像通常存在顏色失真、對(duì)比度低等問題。針對(duì)顏色失真問題，本文采用自動(dòng)白平衡的方法實(shí)現(xiàn)圖像顏色校正。針對(duì)對(duì)比度低的問題，同時(shí)為了更好地兼顧圖像的全局與局部對(duì)比度，采用引導(dǎo)濾波分層的思想將圖像分為基礎(chǔ)圖像和細(xì)節(jié)圖像，接著單獨(dú)對(duì)其進(jìn)行處理來最大化改善高、低頻分量的增強(qiáng)效果，最后再將增強(qiáng)后的兩幅圖像進(jìn)行加權(quán)融合得到最終圖像。實(shí)驗(yàn)結(jié)果表明，本文算法在處理水下圖像顏色失真、整體對(duì)比度低、細(xì)節(jié)缺失方面的效果良好。