基于暗通道先驗改進算法的水下圖像增強方法研究

朱大昌， 黃樂涵

(廣州大學(xué)機械與電氣工程學(xué)院，廣州 510000)

0 引言

近年來，水下視覺技術(shù)被廣泛應(yīng)用于各個領(lǐng)域。例如在海洋軍事領(lǐng)域，可以利用水下視覺技術(shù)對水下可疑目標(biāo)進行自動搜索和監(jiān)視,通過帶有視覺技術(shù)的水下機器人進行布雷、排雷工作等,而水下視覺技術(shù)研究的重點就是對水下采集到的圖像進行研究。由于水下介質(zhì)分布不均，光在水下傳播遇到懸浮粒子會發(fā)生散射，前向散射會造成圖像細節(jié)模糊；后向散射會造成霧狀模糊，導(dǎo)致圖像對比度下降[1]。此外，由于水對光的選擇性吸收，波長較長的紅光衰減得最快，波長短的藍光傳播得最遠，所以水下圖像往往呈藍色調(diào)[2]。水下圖像的這些特點限制了其在圖像識別、目標(biāo)檢測等領(lǐng)域的應(yīng)用，因此，利用圖像處理技術(shù)提升水下圖像的質(zhì)量尤為重要。

2012年，按照加快實施最嚴格水資源管理制度試點相關(guān)要求，上海市水務(wù)局組織編制了 《上海市水資源管理系統(tǒng)實施方案》，啟動了新一輪水資源管理系統(tǒng)建設(shè)，一是在已有水資源監(jiān)測的基礎(chǔ)上進一步優(yōu)化完善信息采集，形成與實行最嚴格水資源管理制度相適應(yīng)的水資源監(jiān)控能力；二是建立市區(qū)兩級水資源管理應(yīng)用系統(tǒng)，進一步增強支撐水資源定量管理和對“三條紅線”執(zhí)行情況進行考核的能力。

目前，水下圖像清晰化方法大致可以分為圖像增強和圖像復(fù)原兩種。對于圖像增強方法來說，通常不需要引入成像的物理模型條件，也不需要提前獲得水體的環(huán)境參數(shù)，而是直接通過圖像學(xué)處理方法對水下圖像進行處理，得到更加顯著的視覺增強效果。JIANG等[3]利用稀疏低秩矩陣將水下圖像中的散射分量分離出來，從而增強圖像整體的對比度，是一種低復(fù)雜度的水下圖像去散射方法；劉志成等[4]利用光照分量構(gòu)造二維伽馬函數(shù)，并利用光照分量對圖像不同亮度區(qū)域進行調(diào)整以實現(xiàn)對光照不均勻圖像的自適應(yīng)校正處理；李黎等[5]提出了一種基于改進暗原色先驗并利用白平衡進行增強和利用灰度世界算法進行顏色校正的方法，能夠有效處理后向散射嚴重的水下圖像，從而獲得更高的清晰度和對比度；黃冬梅等[6]在RGB和CIE-Lab顏色模型上進行自適應(yīng)拉伸，根據(jù)水下圖像退化特點動態(tài)定義拉伸區(qū)間，獲得清晰的水下圖像；IQBAL等[7]將水下圖像經(jīng)過拉普拉斯分解，對低頻波段做去霧、歸一化和白平衡，在高頻波段放大以保持邊緣，最后將兩個頻率圖像相加得到增強圖像；ALEX等[8]將圖像在Y和Cr通道分別應(yīng)用Retinex分解并使用高斯環(huán)繞函數(shù)做卷積處理，從而得到增強圖像;杜雪等[9]對圖像白平衡處理后轉(zhuǎn)換至LAB空間和HSV空間分別進行伽馬校正和單尺度Retinex處理，并最終與CLAHE和雙邊濾波處理圖像加權(quán)融合得到增強圖像；韓平麗等[10]提出一種多尺度水下偏振成像方法，利用圖像分層處理思想并結(jié)合小波變換，提高圖像對比度，復(fù)原圖像細節(jié)信息。

上述研究成果在水下圖像增強領(lǐng)域都取得了一定的進展，但由于水下環(huán)境復(fù)雜多變，這些方法對圖像增強對比度、亮度以及調(diào)整色偏的綜合性效果不佳，故本文提出了一種水下圖像增強的暗通道先驗改進算法，能夠綜合解決水下圖像顏色失真、細節(jié)模糊和對比度低下的問題，有效增強圖像暗部細節(jié)，全面提高水下圖像的對比度和清晰度。

多媒體課堂教學(xué)調(diào)動各項感官，富有趣味性，增加師生互動，符合學(xué)生對課堂的期待。目前尚存在一些問題，如教師過度使用多媒體，講課速度快，容量大，學(xué)生難以跟上節(jié)奏；部分學(xué)生由于學(xué)習(xí)風(fēng)格及習(xí)慣等對多媒體教學(xué)模式接受度不高。

過濾器技術(shù)可以屏蔽不良的網(wǎng)站，對網(wǎng)上色情、暴力和賭博等內(nèi)容有強大的堵截功能。防火墻技術(shù)可以有效地將內(nèi)部網(wǎng)與外部網(wǎng)隔離開來，保護網(wǎng)絡(luò)不受未經(jīng)授權(quán)的第三方侵入。

1 基于暗通道先驗改進算法的水下圖像增強方法

1.1 色偏校正

由入射分量L(x,y)的近似計算從而計算反射分量R(x,y)，入射分量的近似計算包括單尺度Retinex(SSR)算法[13]和多尺度Retinex(MSR)算法[14]。但這兩種算法容易產(chǎn)生色差的問題，因此提出了帶顏色恢復(fù)的多尺度Retinex(MSRCR)算法[15]。其數(shù)學(xué)表達式為

在每個像素位置(x)補償紅色通道Irc，即

2、縣域經(jīng)濟實力不強，綜合競爭優(yōu)勢較弱。近年來，廣西縣域經(jīng)濟綜合實力有所提高，但與我國經(jīng)濟發(fā)達的省份相比，廣西縣域經(jīng)濟總量還是偏小，整體實力在全國范圍僅處于中等水平，并且遠遠落后于發(fā)達省份。如在第十五屆全國百強縣名單中，江蘇26個、山東 21個、浙江 18個、遼寧7個、福建6個、湖南4個，而廣西卻榜上無名，這說明廣西縣（市、區(qū)）綜合競爭優(yōu)勢太弱。另外，廣西仍有國定貧困縣28個、自治區(qū)定貧困縣22個，農(nóng)村貧困人口達341萬人。

(1)

當(dāng)在渾濁或是浮游生物濃度較高的水域，藍色通道可能會顯著衰減，因此也需要補償藍色通道的衰減。補償后的藍色通道Ibc可表示為

(2)

該式含義與上文類似。式中：Ib和Ig分別表示圖像I的藍色通道和綠色通道；α也設(shè)為1。

限制對比度自適應(yīng)直方圖均衡(CLAHE)[16]通過對比度限幅能夠有效限制噪聲放大同時增強局部對比度，從而獲得更多的圖像相關(guān)邊緣信息。

1.2 同態(tài)濾波

式中：L(x,y)為入射分量；R(x,y)為反射分量。

相比于不作為、亂作為，假作為更具迷惑性。表面看，一切工作都在按部就班地進行，甚至是一派熱火朝天的干事形象，如果不仔細探究，很難發(fā)現(xiàn)這只是假象，因而也更難治理。

圖1 算法對比圖Fig.1 Comparison of algorithms

如圖1(a)所示，進行色偏校正后的圖像仍存在暗部細節(jié)模糊問題，因此利用同態(tài)濾波算法進一步改善。為了保證經(jīng)過色偏校正的圖像顏色不發(fā)生變化，將圖像轉(zhuǎn)換到LAB顏色空間中進行處理。在此空間中，保持顏色分量A，B不變，只對亮度分量L進行同態(tài)濾波，得到對比度更強的圖像。 將經(jīng)過同態(tài)濾波處理的亮度分量L與顏色分量A，B結(jié)合，轉(zhuǎn)換至RGB顏色空間。如圖1(b)所示，該算法處理后的暗部細節(jié)模糊問題得到有效改善，能夠解決水下圖像亮度不均所導(dǎo)致的暗部特征不明顯的問題。

1.3 帶顏色恢復(fù)的多尺度Retinex算法

利用Retinex理論增強的目的是通過排除光線照射的干擾，獲取目標(biāo)物體固有的反射特性[12]。對圖像進行MSRCR處理能夠有效提高圖像的亮度和色彩飽和度，圖像對比度整體加強，更加符合人眼的觀測。

假設(shè)初始圖像為I(x,y)，則

本研究采用理論研究和實證分析相結(jié)合的方法，針對要研究的主要問題搜集相關(guān)文獻資料，初步形成本研究的理論基礎(chǔ)；在理論分析的基礎(chǔ)上設(shè)計并發(fā)放調(diào)查問卷，運用EXCEL軟件對問卷數(shù)據(jù)進行統(tǒng)計分析.

I(x,y)=L(x,y)·R(x,y)

(3)

由于光在水下傳播時有吸收和散射，水下圖像會出現(xiàn)光照不均導(dǎo)致圖像細節(jié)模糊。同態(tài)濾波算法能夠壓縮圖像亮度范圍并增強圖像對比度。圖1所示為算法對比情況。

白平衡是通過補償由于水的深度對光選擇性吸收導(dǎo)致的顏色損失以改善圖像外觀。水下圖像通常呈藍色調(diào)，而最能消除藍色調(diào)的方法是灰度世界法。但直接采用灰度世界法會存在嚴重的紅色偽影，導(dǎo)致紅色位置被過度補償。因此首先要補充紅色通道的損失[11]。

(4)

式中：RMSR(x,y)為多尺度濾波后獲取的高頻細節(jié)圖像；Gn(x,y)為單個尺度高斯濾波；n為某個尺度參數(shù)；λn為權(quán)值，這里取值為1/3；ns為用到的尺度數(shù)，這里采用3個尺度；RMSRCRi(x,y)為第i個通道結(jié)合了色彩恢復(fù)因子的多尺度濾波后的高頻細節(jié)圖像；參數(shù)α，β分別為非線性強度控制因子和增益常數(shù)。

1.4 限制對比度自適應(yīng)直方圖均衡

在補償了紅色和藍色通道的衰減后，采用灰度世界法的假設(shè)來估計和補償圖像的色偏。但是經(jīng)過色偏校正后的圖像仍然存在細節(jié)模糊和對比度低的問題，需要對圖像進一步處理。

由于有霧圖像的對比度比無霧圖像的對比度低，因而針對不同對比度的水下圖像也應(yīng)該有不同強度的暗通道先驗圖像。如圖2所示，對比度較低的水下圖像，其暗通道先驗圖像強度比較高，對比度較高的水下圖像，其暗通道圖像的強度比較低。綜上所述，對于不同對比度的圖像，對比度越大，其暗通道先驗圖像強度越低[19]。

(5)

式中：N為某一分塊區(qū)域總像素；L為該分塊區(qū)域內(nèi)的最大灰度級數(shù)；α為截斷系數(shù)，取值范圍為[0,1)。

由于子塊在均衡前后直方圖各有差異，各子塊的輸出灰度值發(fā)生變化，直接根據(jù)子塊的灰度變換輸出結(jié)果圖像會導(dǎo)致相鄰塊間出現(xiàn)塊效應(yīng)，因此在子塊直方圖均衡化后，利用雙線性插值進行灰度值重構(gòu)能夠有效消除塊效應(yīng)，同時也提高了處理圖像的速度。

通過建立水下圖像數(shù)據(jù)集來驗證本文算法的有效性。實驗圖像來源于網(wǎng)絡(luò)搜索的水下圖像數(shù)據(jù)集。實驗環(huán)境的計算機配置為CPU Intel?CoreTMi5-9400F 2.90 GHz,RAM 16 GiB。實驗算法編程環(huán)境為Spyder(Python3.7)。

水利工程前期工作成果質(zhì)量評價工作的認識和實踐……………………………………………………… 任鐵軍(9.30)

1.5 暗通道先驗圖像

暗通道先驗是一種無霧室外圖像的統(tǒng)計，是由HE等[18]提出的。暗通道先驗理論提出，在絕大多數(shù)非天空的局部區(qū)域里，某些像素總是至少有1個顏色通道(R,G,B)的值很低，這說明了無霧圖像的暗通道先驗圖像強度值比有霧圖像的暗通道先驗圖像的強度值低。由于大氣中有霧圖像與水下有霧圖像有一定的相似性，都可以用大氣散射模型進行建模。因此，水下有霧圖像的暗通道先驗圖像強度特點也應(yīng)該與大氣有霧圖像的相似。將暗通道先驗理論應(yīng)用于水下圖像，生成水下圖像的暗通道先驗圖像，即

(6)

Idark→0

(7)

式中：Idark為暗通道先驗圖像；c為R，G，B三通道中的某一通道；Ic(x)為水下圖像的某個通道；Ω(x)為以x為中心的局部窗口，窗口大小為15×15。

定理 若函數(shù)y=f(x)在區(qū)間[a,b]上的圖象是一條不間斷的曲線,且f(a)·f(b)<0,則函數(shù)y=f(x)在區(qū)間(a,b)上有零點．

對比度限幅是對分塊區(qū)域直方圖中高于某個閾值的像素進行裁剪后，把截取的部分再平均分配到直方圖中，從而限制直方圖幅值。受限閾值C為[17]

圖2 不同對比度圖像及其暗通道先驗圖像Fig.2 Different contrast images and dark channel prior images

1.6 基于暗通道先驗改進算法的水下圖像增強方法

根據(jù)同態(tài)濾波算法、MSRCR算法以及CLAHE算法在水下圖像上的處理結(jié)果可知：同態(tài)濾波算法可以在一定程度上緩解圖像亮度不均的情況，提升圖像暗部的特征；MSRCR算法能夠有效地提升圖像的亮度和色彩飽和度；CLAHE算法有一定的去霧化效果，可以解決圖像對比度低、全局偏白的問題。這3種算法都有各自最佳的應(yīng)用場景，鑒于水下環(huán)境復(fù)雜多變，圖像因各種問題造成失真，僅僅依靠一種圖像增強算法解決所有水下圖像的降質(zhì)問題是不夠的，因此將這3種算法處理的結(jié)果按照一定的規(guī)律進行圖像加權(quán)融合，可以進一步提高水下圖像增強算法的魯棒性。鑒于水下圖像應(yīng)用領(lǐng)域?qū)D像處理的效率及清晰度要求較高，本文提出一種水下圖像增強的暗通道先驗改進算法，根據(jù)暗通道先驗圖像來計算圖像加權(quán)融合的權(quán)重系數(shù)，在最大程度上保持清晰度和對比度的同時提高融合效率。

在進行水下圖像增強時，首先對圖像進行色偏校正，接著將圖像從RGB空間轉(zhuǎn)換至LAB空間，在L分量上進行同態(tài)濾波處理后轉(zhuǎn)換回RGB空間，分別在RGB空間中進行MSRCR處理和CLAHE處理，并計算處理結(jié)果圖像的暗通道先驗圖像，由于暗通道先驗圖像的強度與水下圖像的對比度成反比，因此，先由暗通道先驗圖像均值的exp函數(shù)計算出暗通道先驗權(quán)重系數(shù)wDCP，定義為

(8)

式中：Imdark為暗通道先驗圖像的均值；σ是常數(shù)，通過對水下圖像的暗通道先驗圖像均值計算可知，σ=10，能夠有效保證暗通道先驗權(quán)重系數(shù)不會過小，計算效率更高。

最后根據(jù)暗通道先驗權(quán)重系數(shù)計算最終的融合權(quán)重系數(shù)，其算式為

(9)

式中：wDCPi為當(dāng)前圖像的暗通道先驗權(quán)重系數(shù)；wDCP，other和wDCP，another為其他圖像的暗通道先驗權(quán)重系數(shù)。

計算完融合權(quán)重系數(shù)Wi后，對3幅處理結(jié)果圖像首先進行RGB通道分解，得到9幅單通道圖像，再分別按照其所屬的圖像通道分兩步進行融合計算。對3幅處理結(jié)果圖像按照不同順序進行融合比較發(fā)現(xiàn)：先對同態(tài)濾波圖像和CLAHE圖像進行融合，再與MSRCR圖像進行融合，其結(jié)果圖像總體偏暗，對比度較低；先對MSRCR圖像和CLAHE圖像進行融合，再與同態(tài)濾波圖像進行融合，其結(jié)果圖像偏霧化，清晰度較低；先對同態(tài)濾波圖像和MSRCR圖像進行融合，再與CLAHE圖像進行融合，其結(jié)果圖像顏色效果更好，對比度和清晰度較高。因此，選用先融合同態(tài)濾波圖像與MSRCR圖像，后融合CLAHE圖像的順序。具體操作如下：首先進行第1步融合，同態(tài)濾波結(jié)果圖像與MSRCR結(jié)果圖像先分別進行RGB通道圖像融合，再將得到的融合圖像根據(jù)式(8)計算其暗通道先驗權(quán)重系數(shù)wDCP，運用式(9)計算第2步融合的權(quán)重系數(shù)Wi，然后根據(jù)權(quán)重系數(shù)再次進行融合，將第1步融合結(jié)果圖像與CLAHE結(jié)果圖像分別進行RGB通道圖像融合，最后將融合結(jié)果的RGB 3個通道合并，獲取完整的融合結(jié)果圖像。完整的加權(quán)融合圖像增強處理算法結(jié)構(gòu)如圖3所示。

圖3 圖像增強處理算法結(jié)構(gòu)Fig.3 Structure of image processing algorithm

2 實驗結(jié)果與分析

2.1 實驗數(shù)據(jù)與環(huán)境

選擇耐高溫抗病品種，搞品種搭配種植和套種，降低生產(chǎn)風(fēng)險。栽種前要查看本地區(qū)常年最高溫時段發(fā)生的時間，通過提前計劃，調(diào)整播種期讓抽雄吐絲期錯開高溫天氣。

2.2 實驗結(jié)果對比

為了說明本文算法的有效性，選取5幅不同場景和色調(diào)的水下圖像進行處理，同時與文獻[9]、文獻[18]、CLAHE以及MSRCR這4種算法進行比較。實驗結(jié)果如圖4所示。文獻[18] 和CLAHE算法都提高了圖像的清晰度和對比度，但是色偏都沒有被消除且文獻[18]處理后圖像整體偏暗；MSRCR算法有效提高了圖像的亮度和顏色飽和度，但是色偏仍然存在，且圖像細節(jié)霧化；文獻[9]算法能夠有效改善色偏，提高圖像的清晰度和對比度，但圖像容易產(chǎn)生過度曝光導(dǎo)致細節(jié)丟失；本文算法在提高對比度、清晰度和調(diào)整色偏的同時，增強了暗部細節(jié)，具有較好的視覺效果。

圖4 不同算法的實驗結(jié)果對比Fig.4 Comparison of experimental results of different methods

2.3 圖像質(zhì)量分析

與人眼的主觀評價相比，利用圖像的質(zhì)量評估指標(biāo)進行評價更具有說服力。利用水下圖像質(zhì)量度量(UIQM)[20]、信息熵、點銳度EAV(Equalized Assessed Value)3個質(zhì)量指標(biāo)對算法處理結(jié)果進行評估。

UIQM是水下彩色圖像質(zhì)量評價指標(biāo)，利用色度、飽和度和對比度的線性組合進行評估，指標(biāo)數(shù)值越大代表圖像的效果越好，算式為

IUIQM=c1·CUICM+c2·CUISM+c3·CUIConM

(10)

式中：c1，c2和c3分別是線性組合中各分量的權(quán)重因子，c1=0.028 2，c2=0.295 3，c3=3.575 3；UICM是色度分量；UISM是清晰度分量；UIConM是對比度分量。

信息熵是度量圖像包含信息量多少的一個客觀評價指標(biāo)，信息熵越高表示融合圖像的信息量越高，質(zhì)量越好，算式為

(11)

式中：p(x,y)為每個像素點的灰度比例；m，n為圖像的大小。

點銳度EAV是通過計算圖像中某一邊界的灰度級變化來評價圖像的清晰度，圖像中的灰度變化大，邊界更明朗，圖像就更清晰，算式為

(12)

式中：df/dx為圖像邊緣方向的灰度變化率；f(b)-f(a)表示該方向的總體灰度變化。

鄰居女的嗓門比較大，經(jīng)常聽她訓(xùn)斥她家女兒，埋怨她孩子腦子太笨，簡單的數(shù)學(xué)題老是做錯。她家女孩確實有些木訥，或許是經(jīng)常挨罵皮實了，即便是被她媽媽大聲呵斥也從來不吭聲。我們搬到這個小區(qū)，和這家人做了半年鄰居，卻從來沒有說過一句話。

利用3個圖像質(zhì)量指標(biāo)對圖4中的5幅圖像進行評價，如表1所示。

表1 水下圖像質(zhì)量評價Table 1 Underwater image quality evaluation

文獻[18]算法對圖像的UIQM、信息熵以及EAV指標(biāo)提高都不大，甚至略低于原圖像，圖像的對比度和清晰度都有所降低。CLAHE，MSRCR算法和文獻[9]算法對圖像質(zhì)量的提升較為明顯，CLAHE算法處理后部分的圖像信息熵略優(yōu)于實驗的所有算法，但是由圖4可知，CLAHE算法增強的圖像仍然存在較大的色差，對UIQM指標(biāo)有所影響。MSRCR算法雖然整體提高了亮度和色彩飽和度，但EAV指標(biāo)還是略低，清晰度有所下降。文獻[9]算法對圖像進行了色偏糾正，同時提高了圖像的對比度，部分UIQM和信息熵指標(biāo)略優(yōu)于實驗的所有算法，但處理后圖像會出現(xiàn)曝光過度的亮度不均問題，造成圖像的細節(jié)信息丟失，導(dǎo)致EAV指標(biāo)僅略高于原圖像，降低了圖像的整體清晰度。本文算法的UIQM、信息熵及EAV指標(biāo)基本優(yōu)于4種對比算法，清晰度指標(biāo)EAV遠遠高于實驗的所有算法，UIQM指標(biāo)也幾乎高于所有算法，有效糾正了圖像色偏，增強了圖像的清晰度和對比度。同時，由表2不同算法的平均運行時間可知，相比于文獻[18]、文獻[9]算法，本文算法的運行時間更短。但由于本文算法中包含了MSRCR和CLAHE兩種算法的處理，因此運行時間長于這兩種算法。

綜上所述，培美曲塞聯(lián)合順鉑治療晚期非鱗非小細胞肺癌應(yīng)用能降低血清腫瘤標(biāo)志物CEA表達水平與提高ApoA1表達水平，提高治療療效，且不會增加毒副反應(yīng)的發(fā)生，從而延長患者的生存期。

表2 不同算法的平均運行時間Table 2 Average running time of different algorithms

3 結(jié)論

針對水下環(huán)境復(fù)雜多變，水下圖像出現(xiàn)細節(jié)模糊、對比度下降和顏色失真等問題，本文提出了一種基于暗通道先驗改進算法的水下圖像增強方法。首先通過補償紅、藍色通道的損失，能夠有效校正圖像由于光的選擇性吸收導(dǎo)致的顏色失真。其次利用色偏校正后的圖像分別在LAB空間對L分量進行同態(tài)濾波，能夠解決水下圖像由于光的前向散射導(dǎo)致的細節(jié)模糊以及光照不均導(dǎo)致的暗部細節(jié)不清晰的問題；在RGB空間中對圖像進行CLAHE處理，能夠解決水下圖像由于光的后向散射導(dǎo)致的整體呈現(xiàn)霧狀模糊的問題；在RGB空間中進行MSRCR處理，能夠有效均衡水下圖像亮度并提高色彩飽和度，增強了圖像整體的對比度。從主觀視覺效果上，本文算法可以得到很好的顏色效果、較高的對比度和清晰度。客觀上，在相同條件下，相較于其他對比算法，本文算法的圖像增強效果更優(yōu)，在UIQM、信息熵和EAV方面都取得很好的效果，特別是在圖像整體偏暗時效果愈加顯著。