基于透射率融合与优化的水下图像复原

由于光与水体介质的相互作用的固有复杂性,所拍摄的水下场景图像发生降质退化,这导致诸如水下图像的低对比度以及色彩失真等问题.尤其是对于污染较为严重或者高浑浊度水体下获得的图像,典型的水下图像处理方法有一定的性能缺陷,而其根本原因在于其无法对于散射造成的色彩失真问题进行有效处理,同时也未充分考虑对比度信息带来的影响.因此,本文提出了一种透射率融合与优化方法,并由此给出有效的水下图像复原方案.该方案考虑各通道在水下衰减差异性,建立了基于颜色衰减差异的水下图像形成模型,其场景环境光由成像光源计算得到.首先,利用色彩校正算法来处理水下图像存在的色彩失真的问题,并利用灰度色调算法对场景光源的颜色进行估计;接着,基于水下场景约束,提出水体透射率估计方法,同时基于对比度先验提出对比度透射率估计算法;然后,将上述两种透射率进行融合,并使用多方向梯度加权正则化进行细化;最后,通过求解基于颜色衰减差异的水下图像形成模型复原图像.通过多次实验,所提出的基于透射率融合优化的水下图像复原方法得到的图像不仅具有相对自然的颜色,同时保持着良好的细节和对比度信息.     

一种改进的暗通道先验水下彩色图像复原算法

为了解决光在水下传播过程中能量散射和衰减所导致水下图像对比度较低、纹理细节模糊和颜色失真等问题,提出一种改进暗通道先验水下彩色图像复原算法,根据水下光线传播特性建立水下图像成像模型,将水下图像的去模糊和颜色校正相结合,应用改进的暗通道先验算法提高水下彩色图像的对比度,再通过白平衡颜色复原方法处理水下彩色图像,实现水下彩色图像的颜色校正.实验结果表明,本文算法能够提高水下彩色图像的对比度,有效恢复水下图像的颜色.     

基于多特征融合的单幅水下图像清晰化

水体对光有较强的吸收和散射作用,从而造成水下图像颜色失真、对比度下降和细节模糊等问题.针对上述问题,基于图像融合框架提出一种水下图像清晰化方案.首先,结合水下成像模型,提出了基于景深估计的颜色校正方法,其可以有效去除水下图像的蓝(绿)色基调,同时有效解决红通道过补偿问题.然后,对水下图像进行颜色校正和对比度增强得到两幅输入图像;最后,结合亮度、对比度、饱和度、显著性等特征构造权重图将两输入图进行多尺度融合,得到最后的复原图像.实验结果表明,该算法可以有效地去除水下图像颜色失真,同时能够大幅提升图像的对比度和清晰度.     

结合暗通道先验的单幅图像快速去雾算法

基于暗通道先验的单幅图像去雾算法对天空区域的恢复效果不佳,且运行效率较低.为此,文中提出了一种快速、有效的单幅图像去雾算法.该算法首先根据颜色衰减先验建立场景深度模型,并基于场景深度模型估计透射率,再基于局部一致性和暗通道先验得到粗透射率;然后利用图像融合的方法,将基于场景深度模型估计的透射率与粗透射率融合,实现天空区域透射率的修正;最后采用导向滤波细化的透射率复原图像,并对复原图像进行色调调整.实验结果表明,文中算法运行效率高,并且有效地提高了复原图像的清晰度和对比度.     

基于不同颜色模型对比度校正的水下降质图像处理

光通过水体介质传播过程中的衰减,为水下图像成像带来了一系列的问题.水下目标在成像时会受到海水水质及悬浮物的影响,使采集到的图像变得模糊、对比度下降.文中利用模拟仿真软件对水下图像进行处理,优化出一种基于不同颜色模型对比度修正的自适应直方图水下图像清晰化的有效方法.从实验结果的数据分析可以得出,通过对比度的调整实现了水下图像可视度的增强和图像细节信息的有效放大,由于光照不均匀带来的问题能得到有效缓解.     

双透射率成像模型与Retinex 融合的水下图像清晰化

针对水下图像出现的颜色失真、对比度低、雾化现象等问题,提出双透射率成像模型与Retinex融合的水下图像清晰化方法.首先,采用基于改进双透射率成像模型的复原算法,用以解决图像雾化以及亮度失衡;其次,在带色彩恢复的多尺度Retinex增强算法中引入引导滤波,解决图像色偏问题;此外,引用自动色彩增强算法,有效提升对比度;最后,将三个输入图像与结合对比度、显著性、饱和性得到的对应权重图采用多尺度融合框架得到清晰化水下图像.实验结果表明,与现有新颖算法相比,所提方法可以最大程度地将多种单一算法的优势有效结合起来,水下彩色图像质量评价指标(underwater color image quality evaluation,UCIQE)均值高于各比较算法6.03％且加速鲁棒特征(speeded up robust features,SURF)特征匹配点明显提升,算法能在保留图像细节的同时有效校正色偏现象、提升图像对比度及清晰度,更符合人眼的视觉效果.     

基于引导图像滤波器的水下图像清晰化算法

水下图像降质主要受水体中光的前后向散射、光波衰减、水中浮游生物以及水下光照不均匀等的影响.针对传统的水下图像采集器所获取的水下图像存在光照不均匀、纹理细节模糊及对比度低等问题,建立了一种新的水下图像光学成像模型,并提出一种基于引导图像滤波器的水下图像增强算法.根据水下光线的传播特性,充分利用双边图像滤波器的平滑保边特性以估计散射光和图像局域对比度,同时考虑不同波长在水下传输的特性,得到更加准确的水下图像增强模型,然后依据此模型复原清晰图像,并对复原图像进行校正处理.结果表明,该算法能克服光照不均匀等困难,对水下图像进行实时处理,有效地提高了图像的清晰度,且该方法已成功应用于深海观测系统.     

水下光电成像探测系统的性能建模分析

分析并讨论了水下光电成像探测系统设计应考虑的几个问题,包括系统设计的性能参数、系统中的信号模型和成像系统性能评估模型.考虑发射系统和接受系统间的距离,建立了激光水下光电成像探测系统的一般理论模型;推导了信号辐射、后向散射、前向散射的计算方法;给出了考虑前向散射和背向散射作用下的成像对比度计算方法;最后导出了水下成像系统的作用距离方程.     

使用局部大气光的单幅图像去雾算法

针对传统算法去雾后图像偏暗的问题,根据去雾后图像对比度和亮度均应该增加的标准提出了一种高亮度和对比度的去雾算法。首先依据大气光与复原图像亮度成反比事实,设置像素红绿蓝(RGB)三个颜色分量均值为局部级粗糙大气光,使用具有较好抑制光晕效应的半全局加权最小二乘算法优化获取局部级大气光;然后根据去雾图像方差与大气透射率成反比事实,使用基于像素最小颜色分量的大气散射函数计算粗糙透射率,然后使用局部均值滤波器优化透射率;最后结合雾天成像模型恢复无雾图像。实验结果表明所提算法去雾图像的梯度、亮度和速度等客观指标均优于传统算法,其中亮度最少增强1.5倍。所提算法能提高去雾图像亮度、丰富图像细节和提高去雾速度,具有较好的工程应用价值。     

一种雾天退化场景快速复原方法

针对雾天条件下图像退化的问题,提出一种新的场景复原方法.首先,结合大气散射模型与光学反射成像的特性,对大气耗散函数提出物理约束条件,利用双边滤波的边缘保持特性得到大气耗散函数的初始估计.然后,引入局部均值与局部标准差近似估计图像对比度,从而降低对比度较强的部分区域的雾浓度估计来获取更加准确的大气耗散函数.最后,求解雾图成像方程,恢复理想光照条件下的辐射强度.实验结果表明:该方法对图像的细节和颜色恢复非常有效,并能有效克服边缘残雾现象以及颜色过饱和等不足.     

大气光幕融合的去雾新方法

针对雾天场景成像设备采集的图像存在对比度低、细节不清晰的问题,提出一种结合大气光幕融合的雾天场景复原算法.首先,基于不同场景深处大气光幕的物理特性和光学成像特性,获取远景雾气分布的近似估计.其次,通过像素级融合和滤波的方法得出准确的全局大气光幕.最后,通过反演大气散射模型得到复原图像,并进行亮度和色调调整.该方法可以有效避免过度去雾现象和光晕效应等不足,能快速复原场景的对比度和颜色.实验结果表明:该算法简单高效,具有较强场景适应能力,并保证实时性.     

基于深度卷积神经网络的水下偏色图像增强方法

针对水下图像在采集和传输过程中存在偏色、 模糊等问题, 提出一种基于深度卷积神经网络的水下偏色图像增强方法, 并给出该方法的收敛性分析. 首先, 在传统U-Net模型的基础上, 构建一种基于偏色图像的卷积神经网络模型, 不断学习输入图像与输出图像的色彩偏差; 其次, 通过引用结构相似性的损失函数, 使增强后的水下图像与输入的水下图像在内容结构细节上保持高度相似. 该方法解决了水下图像偏色、 失真的问题. 通过对大量的真实水下数据集进行验证, 并与其他算法进行对比实验, 实验结果表明, 用该方法增强后的水下图像不仅在视觉效果上得到了有效提高, 同时也保留了原始影像中蕴含的纹理结构, 证明该模型在水下图像增强领域实用性较强.     

基于透射率模型和极值先验的杂散光消除方法

针对杂散光对空间光学系统的影响,结合实际研究中光机结构无法更改,且无法精确估计系统点扩散函数的情况,提出了一种基于透射率模型和遥感图像极值先验知识的消除遥感图像杂散光的新方法。该方法能够有效地消除杂散光对遥感图像的影响,提高图像对比度,使图像细节变清晰。实验中使用多个图像清晰度评价函数对图像的清晰度进行了计算。实验结果表明,采用此方法使图像清晰度提高了15%以上。     

具有水样采集功能的观测型水下机器人的设计

为改善现阶段渔业养殖、 水下环境监测、 水质检测等领域人员作业困难、 效率低下的问题, 设计了一款具有水样采集功能的观测型水下机器人, 该设计搭载了传感器和水样采集装置采集水体环境信息。 首先进行了水样采集实验, 验证其运动能力和水样采集能力。 然后针对自然水域采集的图像, 采取动态阈值白平衡的方法, 去除光源强度和色偏的影响。 最后使用对比度拉伸、 直方图均衡、 限制对比度自适应直方图均衡(CLAHE:Contrast Limited Adaptive Histogram Equalization)3 种算法进行图像增强, 选取对比度、 信息熵和平均梯度进行像质评价。 实验结果表明, 该设计具有操作灵活, 交互性强的特点,CLAHE 方法明显提升了水下图像细节, 为科研实验、 水下探测和环境保护等方面提供了新途径。     

基于雾天图像退化模型的自适应参数优化的去雾算法

针对单幅雾霾图像中包含有大面积浓雾、高亮以及白色物体等,而导致无法清晰识别的问题,基于雾天退化模型,提出了一种改进暗通道和运用灰度开运算求解环境光值相结合的去雾算法。首先根据暗通道先验理论运用图像阈值分割出暗原色区域和明原色区域,并将暗原色区域与明原色区域相结合以求得更加精准的原始透射率;然后采用引导滤波算法细化原始透射率;并通过灰度开运算对环境光值进行区间估计,提高了环境光值的精准性和鲁棒性。使得该算法适用于暗通道去雾效果不好的浓雾高亮区域,去雾后的图像更加真实自然,边缘细节信息更加丰富,有效去除了Halo效应;同时也有效地解决了单幅图片去雾后图片偏暗,图片视觉效果不好等问题。与经典去雾算法作比较,验证在图像的对比度、失真度、细节信息和边缘保持等方面都优于其他算法。     

基于 UCM 算法中直方图拉伸的水下图像增强研究

针对水下图像色彩失真,对比度低以及图像模糊不清等一系列问题,提出了一种基于色彩模型的水下图像增强算法,改进了现有的 UCM 算法的直方图线性拉伸,使用限制对比度自适应的方法对直方图进行非线性均衡化,使处理后的图片对比度增强效果更好,图像质量更高,更符合人类的视觉感知。 通过搭建的水下海参场景和模拟海底图像偏蓝绿色的实验环境,拍摄了 4 组海参在不同姿态、工况下的水下图片并对其进行定性、定量分析,得出改进后的 UCM 算法在 UIConM、UIQM、NIQE 指标下的数值分别平均为 0. 63、4. 30、3. 30,相比较其他 3 种算法,该算法处理后的图像质量评估指标均为最优,由此证明了研究的算法相对于其他的传统算法显示出更好的可行性和优越性,并且能够适应不同的水下工况,拥有良好的鲁棒性。     

Matlab在激光水下图像处理中的应用

 水下激光成像技术在水下探测等海洋开发中具有重要的实用价值,但水介质的特殊性,使其所成图像易受噪声污染而造成分辨率下降。即使采用同步扫描和距离选通等技术,获得的成像质量仍然不好,图像存在由后向散射形成的散斑噪声和其他一些高斯噪声。为了进一步改善成像效果,需要利用数字图像处理技术对水下成像进行后续加工,水下图像处理结果的好坏直接影响到后面的特征提取和目标识别等的成败。本文分析了Matlab在数字图像处理中的应用, 并结合对激光水下图像的处理,说明了Matlab在图像处理中的强大功能,对常用的噪声抑制算法：维纳滤波、中值滤波、均值滤波进行了介绍,并且通过对实际的激光水下图像处理,利用以上各算法计算了处理图像的散斑指数、峰值信噪比和归一化均方误差,比较了其散斑抑制能力。     

一种基于全局和局部光照估计的Retinex图像增强算法

具有色彩还原特性的Retinex算法,可以实现图像对比度、亮度提高及色彩还原;但是增强后的图像色彩饱和度下降严重,色彩失真,其关键在于光照分量的估计失真。针对上述问题,提出了基于全局光照和局部光照细分的Retinex增强算法,实现了图像光照分量的精确计算;并通过实验证明增强后的图像在提高亮度突出细节的同时,最大程度保持了原来的真实色彩。     

Blurred Defocused Image Restoration Based on FRFT

A technique for restoring the blurred image resulted from defocusing of the lens is proposed in this paper, which is based on fractional Fourier transform （FRFT）.The FRFT, as a powerful tool for the analysis of time-varying signals, is closely connected with the optical imaging system. FRFT also can describe optical imaging process just like Fresnel diffractions, so a defocused imaging model based on FRFT is established to explain the blur phenomena of defocusing image. The defocused imaging model is greatly different from the traditional point spread function （PSF） model, and enables to uncover the blur nature of non-focus image. Then, an image restoration method using the novel model is proposed to handle the blurred defocused image. The method adopted a new iterative phase retrieval approach which can approximately estimate phase signals from intensity signals of a single defocused image by means of FRFT. Restoring image may acquire sharp image by implementing inverse FRFT on complex image signal made from the estimated phase signals and intensity signals. Experimental results demonstrate that the method is effective in restoring blurred defocused image.