保細(xì)節(jié)的水下欠曝光圖像的復(fù)原和增強(qiáng)

劉 柯 李旭健

(山東科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院 山東 青島 266000)

0 引 言

隨著人類(lèi)的發(fā)展，我們對(duì)海洋有著越來(lái)越多的探索，相應(yīng)的水下開(kāi)展的活動(dòng)也日益頻繁，例如：深?？碧?、海洋資源開(kāi)發(fā)、水下生物采集、海洋漁業(yè)、水下考古等。相比較于陸地活動(dòng)，水下活動(dòng)充滿(mǎn)著各種因素的干擾，比如光線暗淡、水中介質(zhì)、水下霧氣等，導(dǎo)致獲得的水下圖像存在著模糊、顏色失真、邊緣細(xì)節(jié)丟失等現(xiàn)象。獲得清晰、高質(zhì)量的水下圖像對(duì)于水下作業(yè)工作者和相關(guān)研究者們來(lái)說(shuō)是非常重要的。

1 研究現(xiàn)狀和問(wèn)題

對(duì)于這些問(wèn)題，文獻(xiàn)[1]使用一種單一的傳感器捕捉三原色和近紅外圖像，使用近紅外閃光燈拍攝圖像，利用估計(jì)的運(yùn)動(dòng)模糊核對(duì)微光彩色圖像進(jìn)行聯(lián)合去噪和去模糊。文獻(xiàn)[2]提出了一種基于藍(lán)綠色通道去噪和紅色通道校正的水下圖像復(fù)原方法，首先在對(duì)暗信道先驗(yàn)算法進(jìn)行完善的基礎(chǔ)上，通過(guò)去噪算法恢復(fù)藍(lán)綠色信道，然后根據(jù)灰色世界假設(shè)理論對(duì)紅通道進(jìn)行修復(fù)，最后，通過(guò)自適應(yīng)曝光映射解決光線不均勻問(wèn)題。文獻(xiàn)[3]提出了一種生成對(duì)抗網(wǎng)絡(luò)(GAN)，通過(guò)學(xué)習(xí)的方法來(lái)恢復(fù)水下圖像，保存和增強(qiáng)輸入圖像的內(nèi)容，以及由于剪切而完全丟失數(shù)據(jù)的完整區(qū)域，可以起到圖像顏色和邊緣紋理保留的作用。文獻(xiàn)[4]提出了一種多曝光圖像融合的方法，該方法分別融合了輸入圖像的方法和細(xì)節(jié)，在稀疏表示的基礎(chǔ)上對(duì)細(xì)節(jié)進(jìn)行融合，實(shí)現(xiàn)了較好的清晰度。文獻(xiàn)[5]提出了一種基于最優(yōu)加權(quán)多曝光融合機(jī)制的保細(xì)節(jié)欠曝光圖像增強(qiáng)方法，為了保留細(xì)節(jié)和增強(qiáng)色彩，還提出了用能量方程來(lái)計(jì)算三種測(cè)量的最優(yōu)權(quán)重，但是容易導(dǎo)致圖像的過(guò)增強(qiáng)現(xiàn)象。文獻(xiàn)[6]提出的增強(qiáng)方法可以很好地解決圖像噪聲和水下霧氣，但是也會(huì)出現(xiàn)圖像的欠增強(qiáng)或過(guò)增強(qiáng)問(wèn)題。文獻(xiàn)[7]提出了一種新穎的編碼曝光視頻技術(shù)，用互補(bǔ)的顫動(dòng)來(lái)捕捉視頻幀模式，這能夠保留所有頻譜帶，達(dá)到圖像復(fù)原的效果。本文還介紹了一種基于現(xiàn)代通信的二進(jìn)制序列集編碼曝光視頻系統(tǒng)的機(jī)制，進(jìn)一步闡述了該方法的有效性。文獻(xiàn)[8]提出了一種基于背景光和傳輸圖的水下增強(qiáng)方法，首先開(kāi)發(fā)了一個(gè)背景光數(shù)據(jù)庫(kù)，然后計(jì)算R通道的傳輸圖(TM)，接著通過(guò)水下光衰減先驗(yàn)和反向飽和圖求得精確的TM，最后又引入白平衡方法進(jìn)行圖像顏色的增強(qiáng)，提高了圖像的清晰度。文獻(xiàn)[9]提出了一種系統(tǒng)的水下圖像增強(qiáng)方法，包括由衰減圖引導(dǎo)的水下圖像顏色校正方法和保留細(xì)節(jié)的去霧方法。文獻(xiàn)[10]提出了一種基于條件生成對(duì)抗網(wǎng)絡(luò)(GAN)的深度多尺度特征融合網(wǎng)絡(luò)，用于水下圖像顏色校正。文獻(xiàn)[11]提出了一種基于非局部微分算子的新型變分模型，其中水下成像模型成功地集成到變分框架中，將水下暗通道先驗(yàn)(UDCP)和四叉樹(shù)細(xì)分方法應(yīng)用于水下成像模型的構(gòu)建，以估計(jì)透射圖和全局背景光。文獻(xiàn)[12]提出了一種基于異構(gòu)生成對(duì)抗網(wǎng)絡(luò)(GAN)的方法，該方法由用于生成清晰圖像的循環(huán)一致生成對(duì)抗網(wǎng)絡(luò)(CycleGAN)和用于保留紋理細(xì)節(jié)的條件生成對(duì)抗網(wǎng)絡(luò)(cGAN)組成。綜上分析，雖然基于卷積網(wǎng)絡(luò)的方法能夠提高圖像的清晰度和算法的效率，但依舊存在著圖像邊緣細(xì)節(jié)易丟失的現(xiàn)象，不能很好地處理光線不均勻的情況，而且目前缺少成熟的水下圖像數(shù)據(jù)集。

2 本文的工作

針對(duì)目前水下圖像增強(qiáng)中存在的相關(guān)問(wèn)題，本文主要從去噪、去霧和圖像增強(qiáng)方面進(jìn)行提高。首先，提出一種改進(jìn)的小波閾值函數(shù)去噪方法去除水下模糊圖像中摻雜的噪聲，并通過(guò)精確的優(yōu)化算法進(jìn)行求解。然后，提出色彩恢復(fù)的多尺度視網(wǎng)膜增強(qiáng)(MSRCR)聯(lián)合改進(jìn)引導(dǎo)濾波的去霧方法，不僅在最大程度上完善了多尺度視網(wǎng)膜(MSR)算法和MSRCR算法，還有效地實(shí)現(xiàn)了在圖像去霧的同時(shí)盡可能保持邊緣細(xì)節(jié)的效果，是本文的一個(gè)創(chuàng)新點(diǎn)。最后，在圖像增強(qiáng)階段，本文先采用改進(jìn)的直方圖均衡化圖像增強(qiáng)方法對(duì)復(fù)原后的圖像進(jìn)一步地處理，其目的就是為了改善整體的亮度，接著提出改進(jìn)的超分辨率卷積神經(jīng)網(wǎng)絡(luò)(ISRCNN)算法解決顏色退化和邊緣弱化的問(wèn)題，即采用深度學(xué)習(xí)融合改進(jìn)的自適應(yīng)伽馬校正技術(shù)對(duì)圖像質(zhì)量進(jìn)行提高，也是本文的又一個(gè)創(chuàng)新點(diǎn)。對(duì)于自適應(yīng)曝光處理后的水下圖像，其部分區(qū)域可能存在顏色退化的現(xiàn)象。

本文做出的貢獻(xiàn)主要表現(xiàn)在：

(1) 提出一種保細(xì)節(jié)的水下圖像增強(qiáng)方法，在實(shí)現(xiàn)去噪、去霧氣的基礎(chǔ)上，達(dá)到了對(duì)圖像邊緣細(xì)節(jié)的增強(qiáng)，其效果更好。

(2) 采用了色彩恢復(fù)的多尺度視網(wǎng)膜增強(qiáng)聯(lián)合改進(jìn)引導(dǎo)濾波的去霧方法，對(duì)于自適應(yīng)曝光處理后的圖像，它在增強(qiáng)顏色的同時(shí)對(duì)邊緣細(xì)節(jié)也起到了很好的保護(hù)作用，清晰度和圖像質(zhì)量更好。

(3) 本文采用深度學(xué)習(xí)算法結(jié)合改進(jìn)的自適應(yīng)伽馬校正技術(shù)較好地實(shí)現(xiàn)圖像顏色和邊緣細(xì)節(jié)的增強(qiáng)。

3 水下圖像復(fù)原

水下環(huán)境充滿(mǎn)了噪聲、霧氣和介質(zhì)顆粒，再加上水體的流動(dòng)性導(dǎo)致拍攝設(shè)備發(fā)生“抖動(dòng)”現(xiàn)象，從而獲得的水下圖像會(huì)非常模糊、顏色失真、細(xì)節(jié)丟失等。本文采用改進(jìn)的小波閾值函數(shù)進(jìn)行去噪，并采用MSRCR聯(lián)合改進(jìn)引導(dǎo)濾波的方法去除水下霧氣。實(shí)驗(yàn)證明，本文采用的去噪和去霧的方法是有效的。

3.1 圖像去噪

傳統(tǒng)小波閾值函數(shù)的去噪效果與閾值函數(shù)、重建準(zhǔn)確度有關(guān)系，而傳統(tǒng)的閾值函數(shù)主要包含軟閾值和硬閾值函數(shù)。其中硬閾值函數(shù)表示為：

(1)

式中：ρj,k表示帶噪小波系數(shù)；sj,k表示輸出小波系數(shù)。使用硬閾值函數(shù)時(shí)，會(huì)對(duì)一些細(xì)節(jié)部分起到保護(hù)的作用，但是該函數(shù)在閾值±δ存在不連續(xù)性，因此在重構(gòu)小波系數(shù)時(shí)，會(huì)非常容易出現(xiàn)偽吉布斯現(xiàn)象(Gibbs-like phenomena)。

軟閾值函數(shù)：

(2)

由式(2)可以得出，軟閾值函數(shù)完善了硬閾值函數(shù)的瑕疵，即軟閾值函數(shù)在±δ處是連續(xù)的，但是會(huì)導(dǎo)致局部有價(jià)值的地方丟失。為了進(jìn)一步彌補(bǔ)兩個(gè)函數(shù)中存在的不足，本文做出了改進(jìn)，通過(guò)對(duì)指數(shù)函數(shù)的底值和自變量的變換，可以進(jìn)一步對(duì)小波系數(shù)做出操作，從而更好地解決噪聲問(wèn)題，而且函數(shù)在|ρj,k|=δ是不間斷的，完善了硬閾值和軟閾值函數(shù)的缺點(diǎn)，公式如下：

(3)

式中：α和μ均為改進(jìn)閾值函數(shù)中的參數(shù)。

硬閾值函數(shù)、軟閾值函數(shù)和本文閾值函數(shù)的曲線圖，如圖1所示。綜合分析得知，本文的閾值函數(shù)在處理過(guò)程中要好于硬、軟閾值函數(shù)。

圖1 不同閾值函數(shù)曲線圖對(duì)比

在式(3)中，閾值δ的選取對(duì)去噪有很大的影響，如果δ太小，就會(huì)出現(xiàn)噪聲清除不徹底，導(dǎo)致圖像效果不理想；如果δ太大，就會(huì)出現(xiàn)去噪過(guò)度，導(dǎo)致圖像的失真。所以本文采用貝葉斯閾值[13]的方法使得每一層的閾值能夠自動(dòng)地隨著小波分解尺度的增大而縮?。?/p>

(4)

(5)

密度函數(shù)：

(6)

(7)

閾值計(jì)算表達(dá)式：

Xj=γ2/γx

(8)

式中：γ2表示噪聲的方差；γx表示子帶系數(shù)標(biāo)準(zhǔn)差；j表示分層的某一層。

對(duì)于式(7)中γ2的計(jì)算采用的是文獻(xiàn)[13]所提到的方法：

γ=median(|sj,k|)/0.674 5

(9)

(10)

(11)

因此，根據(jù)式(9)-式(11)聯(lián)合求得貝葉斯閾值，即求得了貝葉斯閾值在不同層之間的自適應(yīng)性，從而突顯出本文算法的好處。

而對(duì)于改進(jìn)閾值函數(shù)中的參數(shù)δ和α，本文采用文獻(xiàn)[14]中提到的粒子群優(yōu)化算法來(lái)求解。

通過(guò)將改進(jìn)的小波閾值函數(shù)應(yīng)用于水下圖像的去噪，充分解決了圖像中出現(xiàn)的一系列噪聲，大大提高了圖像的視覺(jué)效果。去噪效果如圖2所示。

(a) 原圖 (b) 去噪后的圖像圖2 去噪結(jié)果

3.2 圖像去霧

對(duì)于MSR，最為經(jīng)典的就是3尺度的大、中、小，既能實(shí)現(xiàn)圖像動(dòng)態(tài)范圍的壓縮，又能保持色感的一致性，但是處理后的圖像存在著圖像顏色偏差等問(wèn)題。對(duì)于獲取到的水下圖像，可能會(huì)由于含有噪聲，而導(dǎo)致圖像的部分細(xì)節(jié)顏色失真，不能表現(xiàn)物體的真實(shí)顏色，整體效果就會(huì)變差。針對(duì)這一點(diǎn)不足，MSRCR在MSR的基礎(chǔ)上，加入了色彩恢復(fù)因子C來(lái)調(diào)節(jié)由于圖像局部區(qū)域?qū)Ρ榷仍鰪?qiáng)而導(dǎo)致顏色失真的缺陷。文獻(xiàn)[15]中采用MSRCR來(lái)提高圖像的整體質(zhì)量，在顏色和清晰度等方面起到了一定的作用，但是還存在著整體質(zhì)量不高的情況。為進(jìn)一步在去霧過(guò)程中保持細(xì)節(jié)的清晰度，本文提出MSRCR聯(lián)合改進(jìn)的引導(dǎo)濾波方法實(shí)現(xiàn)水下圖像的去霧效果。

RMSRCR(x,y)′=G·RMSRCR(x,y)+b

(12)

RMSRCR(x,y)=C(x,y)RMSR(x,y)

(13)

(14)

f[I′(x,y)]=βlog[αI′(x,y)]=β{log[αI′(x,y)]-

log[∑I(x,y)]}

(15)

式中：RMSRCR(x,y)′表示從對(duì)數(shù)域r(x,y)轉(zhuǎn)換為實(shí)數(shù)域R(x,y)；G表示增益Gain(一般取值為5)；b指的是偏差Offset(一般取值為25)；I代表某個(gè)通道的圖像；C是某個(gè)通道的彩色恢復(fù)因子；調(diào)節(jié)這三個(gè)顏色通道的比值；f(*)代表顏色空間的一種映射關(guān)系；β代表增益常數(shù)(取值為46)；α指受控制的非線性強(qiáng)度(取值為125)。

實(shí)驗(yàn)證明，MSRCR對(duì)獲取到的水下圖像具有顯著的去霧效果，提高了圖像的清晰度，并且提高了水下圖像的顏色對(duì)比度和飽和度。而改進(jìn)的引導(dǎo)濾波對(duì)圖像的邊緣細(xì)節(jié)起到極好的保護(hù)作用，將這兩種方法有機(jī)融合，在實(shí)現(xiàn)較好去霧效果的同時(shí)，還提高了顏色的飽和度，使得水下圖像的邊緣細(xì)節(jié)更加清晰，從而提高了算法效率。圖3為在圖2的基礎(chǔ)上繼續(xù)進(jìn)行去霧的圖像結(jié)果，顯示出本文方法的有效性。

(a) 原圖 (b) 去霧后圖像圖3 去霧效果

4 水下圖像增強(qiáng)

對(duì)于水下獲取的圖像，都會(huì)存在著光照不均、介質(zhì)顆粒等因素造成的圖像模糊和圖像失真等問(wèn)題，限制著相關(guān)領(lǐng)域的發(fā)展，如何獲得一個(gè)高質(zhì)量的水下圖像對(duì)于水下科研工作者和水下研究者來(lái)說(shuō)顯得尤為重要。

經(jīng)過(guò)上面圖像復(fù)原階段的處理后，得到的圖像沒(méi)有了霧氣、噪聲的干擾，而且圖像的顏色和細(xì)節(jié)也得到很大程度的改善。但是，仍然存在著圖像亮度較暗的問(wèn)題。為了進(jìn)一步改善圖像質(zhì)量，本文采用趙愛(ài)玲等[16]提出的基于改進(jìn)的直方圖均衡化圖像增強(qiáng)方法對(duì)圖像進(jìn)行處理，一方面改善了水下圖像亮度偏暗的現(xiàn)象；另一方面，對(duì)增強(qiáng)水下圖像飽和度也起到了很大的改善作用，且避免了暈影的出現(xiàn)。但是，實(shí)驗(yàn)表明，該方法在提高亮度的過(guò)程中，對(duì)于解決局部光線較弱方面的效果是有限的。改進(jìn)的直方圖均衡化結(jié)果如圖4所示。

(a) 處理前 (b) 處理后圖像

(c) 圖像直方圖圖4 改進(jìn)的直方圖均衡化結(jié)果

接下來(lái)，本文采用了一種自適應(yīng)曝光圖的方法。首先，根據(jù)自適應(yīng)曝光圖[17]進(jìn)一步改進(jìn)調(diào)整結(jié)果，并由該文獻(xiàn)中求解最優(yōu)值的辦法求得自適應(yīng)圖像曝光圖f(x):

(16)

式中：f(x)表示適應(yīng)風(fēng)險(xiǎn)地圖；YJ(X)代表恢復(fù)圖像的光照強(qiáng)度；YI(x)表示輸入圖像的光照強(qiáng)度；α取值為常數(shù)0.3；φ(*)表示平滑正規(guī)化。優(yōu)化求解分為兩步：(1) 忽略φ(*)的情形下解出f(x)，是一個(gè)自閉的值；(2) 把導(dǎo)向?yàn)V波器引入求解之中，從而得出理想答案。這里，求得出估計(jì)函數(shù)為：

(17)

進(jìn)而得出：

OutputExp=Jc(x)×f(x)c∈{r,g,b}

(18)

式中：Jc(x)表示恢復(fù)后的圖像；f(x)表示自適應(yīng)曝光圖像。

經(jīng)過(guò)處理后，得到了一定亮度地水下圖像，極大地提高了視覺(jué)效果。在現(xiàn)有的很多方法中，對(duì)水下圖像的處理過(guò)程中，都會(huì)不同程度地出現(xiàn)光照不均勻等問(wèn)題，為此，本文采用ISRCNN技術(shù)對(duì)水下圖像進(jìn)行增強(qiáng)，即超分辨率卷積神經(jīng)網(wǎng)絡(luò)融合改進(jìn)的自適應(yīng)伽馬校正方法。

步驟1通道處理。將初始圖像切割為R、G、B三個(gè)通道，各自通道都能得到各自的信息，公式如下：

Yi=image(Yi)i=R,G,B

(19)

式中：i代表著R、G、B三個(gè)通道；Y代表CNN的原始圖像。

步驟2CNN的訓(xùn)練。公式如下：

Yi=max(0,Si×Yi(i-1)+Ci)i=1,2,3

(20)

式中：Si表示CNN每一層的卷積核；Ci表示CNN每一層的偏置；Yi(i-1)表示第五次卷積之后的輸出結(jié)果。

步驟3圖像的融合。公式如下：

Y=cat(YR,YG,YB)

(21)

步驟4改進(jìn)的自適應(yīng)伽馬校正算法處理。對(duì)于對(duì)比度較低的水下圖像，強(qiáng)度聚集在暗灰度級(jí)中。對(duì)于提高此類(lèi)對(duì)比度的水下圖像，κ是用于改善自適應(yīng)伽馬校正中的參數(shù)變量，用于優(yōu)化自適應(yīng)伽馬校正的算法。

對(duì)于得到的水下圖像Y，我們給出伽馬定義：

(22)

式中：y代表預(yù)處理水下圖像的光照分量；ymax表示y的最大像素值；k表示參數(shù)變量，用來(lái)控制水下圖像增強(qiáng)的強(qiáng)度。

(23)

式中：σ代表水下圖像的局部標(biāo)準(zhǔn)偏差；τ代表局部均值。

對(duì)于提高具有中等對(duì)比度的水下圖像，校正因子κ適用于式(24)。

(24)

遍歷Y中的每一個(gè)像素，根據(jù)文獻(xiàn)[20]中的圖像分類(lèi)方法，得出水下圖像分類(lèi)的結(jié)果，再由式(23)或者式(24)求得每一個(gè)像素點(diǎn)的κ參數(shù)值；接著，按照式(22)對(duì)水下圖像y實(shí)行伽馬校正，求得增強(qiáng)后的水下圖像y′。

綜上，使用自適應(yīng)曝光圖的方法處理曝光問(wèn)題、SRCNN融合改進(jìn)的自適應(yīng)伽馬校正技術(shù)進(jìn)行顏色和邊緣細(xì)節(jié)等方面的增強(qiáng)，對(duì)改善水下圖像對(duì)比度、色彩增強(qiáng)和邊緣細(xì)節(jié)的保留都有明顯的效果。

5 實(shí)驗(yàn)結(jié)果與分析

本文的實(shí)驗(yàn)分析部分將分別從定性和定量?jī)煞矫孢M(jìn)行。在定性分析方面，本文從水下圖像恢復(fù)和增強(qiáng)兩個(gè)階段來(lái)闡述本文方法的有效性。在定量分析方面，采用了圖像信噪比(SNR)、熵(Entropy)和梯度平均值(AVG)來(lái)提高本文方法的說(shuō)服力。實(shí)驗(yàn)證明，本文提出的水下圖像恢復(fù)和增強(qiáng)方法實(shí)現(xiàn)的效果是顯著的。

5.1 定性分析

本文與Liang等[9]的方法和Liu等[10]的方法進(jìn)行實(shí)驗(yàn)對(duì)比，結(jié)果如圖5所示。

(a) 原圖 (b)Liang等 (c) Liu等 (d) 本文圖5 不同圖像復(fù)原方法的結(jié)果比較

可以看出，文獻(xiàn)[9]在水下圖像的去霧方面的效果是明顯的，能夠?qū)崿F(xiàn)圖像的清晰化，但水下圖像中遠(yuǎn)處的背景區(qū)域是趨于暗淡模糊的，也就是說(shuō)該方法在水下圖像局部區(qū)域(特別是遠(yuǎn)處背景色區(qū)域)中不能實(shí)現(xiàn)較好的效果。文獻(xiàn)[10]相對(duì)文獻(xiàn)[9]來(lái)說(shuō)，效果更好一些，不僅能夠很好地實(shí)現(xiàn)去噪、去霧效果，還能夠?qū)λ聢D像的色彩起到有效的增強(qiáng)作用，讓水下圖像具有更好的視覺(jué)效果，但是在水下圖像的亮顏色處容易導(dǎo)致過(guò)擬合現(xiàn)象，并且不能高效地解決圖像的曝光問(wèn)題，而且在邊緣細(xì)節(jié)的保留方面也需要進(jìn)一步的提高。所以，相比較而言，本文方法在去霧、去噪和圖像增強(qiáng)方法實(shí)現(xiàn)的效果相對(duì)是最好的。

本文將與Hou等[11]和Park等[12]所提出的方法做實(shí)驗(yàn)對(duì)比，定性比較如圖6所示。

(a) 原圖 (b) Hou等 (c) Park等 (d) 本文圖6 不同圖像增強(qiáng)方法的結(jié)果對(duì)比

可以看出，文獻(xiàn)[11]提出的方法能夠有效地實(shí)現(xiàn)色彩增強(qiáng)和改善光照強(qiáng)度，而且還能實(shí)現(xiàn)水下圖像的去霧，不過(guò)并沒(méi)有較好地保留水下圖像的邊緣細(xì)節(jié)，實(shí)現(xiàn)的整體效果是偏暗的。而對(duì)于文獻(xiàn)[12]實(shí)現(xiàn)的整體效果要好于文獻(xiàn)[11]，在光線亮度、細(xì)節(jié)保留等方面都有很好的提高，但是整體的顏色飽和度還需增強(qiáng)。本文方法可以在去噪、去霧、改善光強(qiáng)的基礎(chǔ)上，對(duì)水下圖像的顏色和邊緣細(xì)節(jié)起到明顯的增強(qiáng)效果。

5.2 定量分析

接下來(lái)，為了進(jìn)一步讓本文方法具有說(shuō)服力，我們運(yùn)用SNR來(lái)說(shuō)明。信噪比與圖像所含的噪聲成反比，與圖像的清晰度和質(zhì)量成正比，也就是說(shuō)，隨著信噪比的增大，圖像所含有的噪聲就越少，圖像就越清晰。計(jì)算出圖5不同方法下的SNR，結(jié)果如表1所示。

表1 信噪比值

為了說(shuō)明本文方法的有效性，本文運(yùn)用熵和AVG對(duì)圖6中的結(jié)果進(jìn)行計(jì)算分析，結(jié)果如表2所示。熵一般用來(lái)表示圖像特征統(tǒng)計(jì)，它代表的是平均信號(hào)量，熵值的大小可以體現(xiàn)出某一圖像的對(duì)比度與清晰度；而AVG不僅能夠表達(dá)出圖像的對(duì)比度，還能體現(xiàn)圖像的邊緣細(xì)節(jié)等方面的清晰度，AVG變大，圖像也越清晰。通過(guò)熵和AVG的對(duì)比，更好地展現(xiàn)出本文方法的優(yōu)越性。

表2 熵和AVG的比較

5.3 其他情況下的應(yīng)用

經(jīng)實(shí)驗(yàn)驗(yàn)證，本文方法不僅對(duì)水下獲取到的圖像起到很好的恢復(fù)和增強(qiáng)效果，對(duì)于非水下的圖像也起到了一定的復(fù)原和增強(qiáng)作用，其實(shí)現(xiàn)的效果是可觀的。如圖7所示。

(a) 為原始圖像 (b) 處理后圖像圖7 其他情況欠曝光的處理效果

6 算法實(shí)現(xiàn)

保細(xì)節(jié)的水下欠曝光圖像的復(fù)原和增強(qiáng)方法的思想步驟，歸納如下：

Step1對(duì)讀取圖像進(jìn)行去噪和去霧處理。

Step2采用改進(jìn)的直方圖均衡化提高了圖像的亮度。

Step3采用自適應(yīng)曝光圖與導(dǎo)向?yàn)V波器相結(jié)合的方法對(duì)水下圖像進(jìn)行系統(tǒng)的曝光處理。

Step4對(duì)曝光處理后可能出現(xiàn)的圖像局部區(qū)域邊緣細(xì)節(jié)淡化以及顏色退化的問(wèn)題采用SRCNN融合改進(jìn)的自適應(yīng)伽馬校正技術(shù)來(lái)進(jìn)一步完善。

7 結(jié) 語(yǔ)

隨著水下活動(dòng)的日益頻繁，水下圖像增強(qiáng)技術(shù)變得越來(lái)越重要。為了獲得清晰、高質(zhì)量的水下圖像，本文提出保細(xì)節(jié)的水下欠曝光圖像的復(fù)原和增強(qiáng)方法。首先，由改進(jìn)的小波閾值函數(shù)解決圖像的噪聲問(wèn)題；接著，提出MSRCR聯(lián)合改進(jìn)的引導(dǎo)濾波方法實(shí)現(xiàn)水下去霧的效果；繼續(xù)采用改進(jìn)的直方圖均衡化改善了水下圖像的整體亮度，進(jìn)而根據(jù)自適應(yīng)曝光圖與導(dǎo)向?yàn)V波器相結(jié)合的方法對(duì)水下圖像進(jìn)行系統(tǒng)的曝光處理；最后，對(duì)曝光處理后可能出現(xiàn)的圖像局部區(qū)域的邊緣細(xì)節(jié)淡化以及顏色退化的問(wèn)題，提出SRCNN算法融合改進(jìn)的自適應(yīng)伽馬校正的技術(shù)來(lái)進(jìn)一步完善。實(shí)驗(yàn)證明，本文采用的保細(xì)節(jié)的水下欠曝光圖像的恢復(fù)和增強(qiáng)方法在水下圖像去霧、去噪、顏色和邊緣細(xì)節(jié)的增強(qiáng)上具有顯著的效果。在研究和實(shí)驗(yàn)中，我們發(fā)現(xiàn)本文方法也有一定的不足，即在處理光線太暗或者水下霧氣太大的圖像時(shí)效果有限，這也是我們下一步繼續(xù)努力的方向。