结合背景光融合及水下暗通道先验和色彩平衡的#br# 水下图像增强

水下环境、光线衰减和拍摄方式造成水下图像具有不同色调、对比度和模糊度.基于图像成像模型的水下图像复原方法通常基于暗通道先验或最大像素先验,容易受到水下复杂环境的干扰而输出低质量的复原图像,因此文中提出基于背景光融合及水下暗通道先验和色彩平衡的水下图像增强方法.首先,提出多候选背景光融合方法,估计正确的背景光.然后,基于高质量水下图像统计得出水下暗通道先验,计算更准确的RGB分量传输地图.将复原图像从RGB颜色模型转换到CIE-Lab颜色模型,对L亮度分量和a、b色彩分量分别进行归一化拉伸和优化调整,进一步提高复原后水下图像的亮度和对比度.多种定性和定量分析说明文中方法增强的图像在对比度、亮度和颜色上的显示效果优于大部分现有的水下图像增强方法复原的图像.     

基于图像融合的低光照水下图像增强

水下机器人可用于水产养殖动态监测和水下拍摄,然而摄像机在水下抓拍的海洋图像呈现蓝绿色调、对比度低、细节模糊、亮度暗等问题,严重影响水下目标识别与检测的准确率。为此,本文提出了一种基于图像融合的低照度水下图像增强方法。首先,利用灰度世界算法对图像颜色进行校正,有效去除水下图像的蓝(绿)色基调;然后,对颜色校正后的图像分别进行锐化处理和HSV颜色空间下的亮度增强,分别得到细节增强图像和亮度增强图像;最后,将细节增强图像和亮度增强图像进行多尺度融合,得到最后的增强图像。实验结果表明,该算法不仅有效地解决了水下图像呈现蓝绿色的问题,而且增强了图像的整体亮度,使得细节更加清晰,提高了水下机器人的视觉感知能力。     

基于暗原色先验原理的水下图像增强

针对水下光衰减和散射导致的图像严重降质问题和用传统方法进行水下图像增强 产生色偏现象,提出一种新的水下图像增强方法。基于暗原色先验原理进行水下图像增强,用 软抠图的方法对图像暗通道进行细化;在图像前0.1%最亮的像素点中,用中值滤波算法计算出 这些像素点的中值,再计算这些像素点和与之对应的中值的差值,差值最小的像素点作为背景 光的预估值,并用该像素点所在区域颜色饱和度方差来判断预估背景光的准确性;利用Retinex 算法和图像各颜色通道的衰减系数比对增强后的图像进行颜色校正。实验表明,该方法能有效 地去除水下图像中的雾色、校正图像色偏问题,进而提高图像对比度。     

基于场景深度估计的自然光照水下图像增强方法

针对水下图像模糊、对比度低且色彩失真的问题,结合修正的水下成像模型,提出一种基于场景深度估计的自然光照水下图像增强方法.首先,依据自然光照条件下水下图像场景亮度与场景深度总体成正比的先验理论,对图像的亮度信息进行最小值滤波和软抠图处理以实现场景深度估计;然后,结合暗通道先验知识和场景深度信息进行离散像素点的后向散射分量估计,根据修正的水下成像模型来拟合和去除后向散射;最后,采用基于色适应的颜色校正方法对直接分量进行色偏校正,利用线性拉伸方法来提升图像的亮度和对比度.水下多场景条件下的实验结果表明,本文方法可有效地去除后向散射引起的雾样模糊,提高图像对比度并校正颜色偏差.     

不同颜色模型下自适应直方图拉伸的水下图像增强

目的 水下图像是海洋信息的重要载体,然而与自然环境下的图像相比,其成像原理更复杂、对比度低、可视性差。为保证不同类型水下图像的增强效果,本文提出在两种颜色模型下自适应直方图拉伸的水下图像增强方法。方法 首先,进行基于Gray-World理论对蓝、绿色通道进行颜色均衡化预处理。然后,根据红绿蓝（R-G-B）通道的分布特性和不同颜色光线在水下传播时的选择性衰减,提出基于参数动态优化的R-G-B颜色模型自适应直方图拉伸,并采用引导滤波器降噪。接下来,在CIE-Lab颜色模型,对‘L’亮度和‘a’‘b’色彩分量分别进行线性和曲线自适应直方图拉伸优化。最终,增强的水下图像呈现出高对比度、均衡的饱和度和亮度。结果 选取不同类型的水下图像作为数据集,将本文方法与融合颜色模型（ICM）、非监督颜色纠正模型（UCM）、基于暗通道先验性（DCP）的水下图像复原和基于水下暗通道先验（UDCP）的图像复原方法相比较,增强后的图像具有高对比度和饱和度。定性和定量分析实验结果说明本文提出的方法能够获得更好视觉效果,增强后的图像拥有更高信息熵和较低噪声。结论 在RGB颜色模型中,通过合理地考虑水下图像的分布特性和水下图像退化物理模型提出自适应直方图拉伸方法;在CIE-Lab颜色模型中,引入拉伸函数和指数型曲线函数重分布色彩和亮度两个分量,本方法计算复杂度低,适用于不同复杂环境下的水下图像增强。     

基于暗通道先验和优化自动色阶的图像去雾算法

针对暗通道先验产生的图像深度边缘上的白色晕圈、天空区域失真等问题,提出基于暗通道先验和优化自动色阶的单图像去雾算法.引入改进暗通道先验对透射率进行导向滤波,精细化透射率传播图,利用加权最小二乘法保留图像边缘信息,以优化自动色阶增强图像.采用定性与定量分析相结合的方法对该算法和几种经典去雾算法进行评价,结果表明该算法能够在保持图像颜色质量的同时保留细节清晰,具有更好的视觉感知.     

基于颜色校正和去模糊的水下图像增强方法

由于光在水下传播时会出现吸收和散射的情况,水下图像往往存在色偏、对比度低、模糊、光照不均匀等问题。根据水下图像成像模型,人们在海底拍摄所获得的图像往往是退化的图像,而退化的图像不能完整地表达海洋场景信息,难以满足实际的应用需要。为此,文中提出了一种基于颜色校正和去模糊的水下图像增强方法。该方法有效融合了颜色校正和去模糊两个阶段,取得了递增的增强效果。在颜色校正阶段,首先对原始图像进行对比度拉伸,在对比度拉伸完成之后,图像可能存在拉伸过度或拉伸不足的现象。因此,所提方法根据灰度世界先验,在对比度拉伸后进一步使用伽马校正来优化和调整图像的对比度和色彩,使图像的R,G,B三通道的灰度值之和趋于相等。接着,在去模糊阶段,通过融合暗通道先验对颜色校正后的图像进行去模糊,得到最终的增强图像。实验结果表明,所提方法具有良好的整体恢复效果,能有效地恢复图像信息,在主观评价和客观评价上均展现出较好的效果。另外,所提方法可以作为水下图像分类等计算机视觉任务的预处理步骤,在实验中能够将水下图像集的分类精度提升16%左右。     

通道修正均衡化的水下图像增强算法

水中介质和微粒的影响导致光波传播衰减和散射, 在成像过程中水下图像会出现模糊和色偏等情况, 这些 水下成像退化的情况给水下的目标识别、目标跟踪、特征提取等应用带来困难. 针对以上问题, 本文提出了一种基 于通道修正均衡化的暗通道先验(CCD)水下图像增强算法: 首先是对色偏的水下图像进行通道修正均衡化, 利用直 方图强度中心做一个映射, 并将映射的三通道信息融合到限制对比度自适应直方图均衡化中, 改善了图像色偏和对 比度不足的情况; 其次是通过暗通道先验算法进行去模糊, 通过水下增强图像数据集的实验表明, CCD比现有算法 更有效地应对了水下图像成像退化问题, 取得了更好的图像质量指标; 此外, 在特征检测预处理步骤中, 本文方法能 够将检测特征点数提高约1.88倍.     

基于距离加权色偏估计的低质图像增强

有色雾、烟、尘等恶劣大气条件下的低质图像具有低可见度和颜色偏移的特点,给人类观察和计算机视觉应用带来困难。当前针对此类图像的增强算法通常忽略了景物与相机的距离对色偏的影响,为了在增强可见度时更好地恢复图像颜色,本文提出低质图像成像可见度下降及色偏与景物距离的关系模型和求解方法。该方法首先通过图像的局部亮度估算距离,然后通过距离估算图像的色偏矩阵,再求解退化模型得到可见度与颜色得到恢复的图像,最后将恢复的图像与限制对比度自适应直方图均衡（Contrast limited adaptive histogram equalization,CLAHE）增强图像进行距离加权融合,得到进一步细节增强的图像。实验表明,本文提出的方法与同类方法相比,在达到高图像质量评价指标的同时,明显具有更好的颜色恢复结果。     

暗原色先验图像去雾改进新方法

针对暗原色先验在明亮区域和天空区域透射率估计值偏小,致使复原图像亮度偏暗、颜色失真等问题,提出了一种新的图像去雾算法。在计算暗通道函数时,定义了一类平滑暗通道对3个颜色通道值的集中趋势进行描述,则该区域像素点的暗通道的值为其三原色通道的平均值,代替原来的最小值。使用均值滤波得到平滑的粗透射率,再通过引导滤波对透射率进行细化处理,进而估计全球大气光值,有效地去除了光晕效应及黑斑效应。将图像像素的亮度值与全球大气光值进行比较,对处在一定范围内大于或小于大气光值的像素点作为明亮区域的点,并对该点的透射率进行修正,使求得的透射率更为准确,复原后的图像细节更加清晰。实验结果表明,该算法能有效解决大面积明亮区域图像失真的问题,复原后的图像也具有较高的亮度和对比度。     

一种基于色彩补偿的水下图像综合增强算法

针对退化的水下图像在高级视觉分析任务中无法进行有效的目标检测及识别的问题,提出了一 种通过色彩补偿和对比度拉伸,HSV 空间 γ 校正和亮度通道去模糊系列方法实现了对水下图像的色彩校正、色 彩对比度、饱和度和细节清晰度的综合提高。其中,提出了基于高斯滤波的亮度通道去散射方法,并对典型水 体水下图像综合增强参数进行了分析。实验对比了综合增强方法和其他增强方法对偏蓝、偏绿、偏黄、白色近 岸浅滩水下图像的处理结果并通过目标检测网络对 7 种算法增强后的水下图像数据集进行训练与测试,对比了 平均水下目标识别准确率和检测到的目标数量与实际目标数量的比值来评估各个增强算法对于水下目标识别 和检测任务中的作用。实验表明,与现有方法相比,该算法不仅可以有效地实现各类水下图像清晰度和色彩增 强,适用范围广,而且可以有效地提高水下图像目标识别任务的准确率和检测数量。     

基于衰减补偿与直方图拉伸的水下图像增强算法

水下物理环境复杂多变,导致获取的水下图像颜色失真、对比度低且细节模糊,影响了水下场景探测的准确性。结合衰减补偿和直方图拉伸技术,提出水下图像增强算法ACHS。根据不同颜色通道的衰减特性,设计基于衰减补偿的颜色校正方法解决水下图像颜色失真问题。将需要颜色校正的水下图像从RGB颜色模型转换到LAB颜色模型,使用引导滤波将亮度通道L分解为基础层和细节层,同时提出基于K-means聚类的双直方图增强算法用于增强基础层的对比度,通过Gamma校正突显细节层的纹理结构。在此基础上,累加亮度通道L的基础层和细节层,并将其从LAB颜色模型转换到RGB颜色模型以获取最终的增强图像。实验结果表明,与GDCP、REBE、WaterNet等算法相比,经该算法增强的水下图像可视度较高,并且具有自然的颜色和清晰的细节。     

基于复原结构与增强纹理融合的水下图像清晰化

针对水体对光的吸收与散射作用,导致水下拍摄图像存在雾化现象、色彩失真等问题,提出一种基于复原结构与增强纹理融合的水下图像清晰化算法.首先,通过相对总变差模型将图像分解为结构层与纹理层;其次,基于背景光的高亮度与平坦特性及颜色信息计算背景光值,利用红色暗通道先验优化透射率,通过逆求解成像模型得到复原结构层;然后,提出将梯...     

采用双尺度图像分解的水下彩色图像增强

目的 为解决水下图像的色偏和低对比度等问题,提出一种基于双尺度图像分解的水下彩色图像增强算法。方法 通过基于均值和方差的对比度拉伸方法改善图像的色偏问题,并利用中值滤波降低红通道对比度拉伸后引入的噪声;采用双尺度图像分解绿通道图像补偿红通道图像细节;在处理后的红通道图像中引入原始图像红通道的真实细节与颜色。结果 选取不同水下图像作为实验数据集,将本文方法与暗通道先验的方法、基于融合的方法、自动红通道恢复方法以及一种基于卷积神经网络深度学习的方法相比较,首先从主观视觉效果进行定性分析,然后通过不同评测指标进行定量分析。主观定性分析结果表明,提出的方法相比较其他方法能够更好地解决图像色偏和红色阴影问题;定量分析中,自然图像质量评价（natural image quality evaluation,NIQE）指标和信息熵（information entropy,IE）值较基于融合的方法和深度学习的方法分别提高了1.8%和13.6%,且水下图像质量评价指标（underwater image quality measurement method,UIQM）较其他方法更优。结论 提出的双尺度图像分解方法利用水下图像成像特点解决图像色偏以及低对比度问题,具有良好的适应能力,同时算法复杂度低且鲁棒性较高,普遍适用于复杂的水下彩色图像增强。     

Channel invariant online visibility enhancement for visual SLAM in a turbid environment

This paper presents a real‐time and channel‐invariant visibility enhancement algorithm using a hybrid image enhancement approach. The proposed method is initially motivated by an underwater visual simultaneous localization and mapping (SLAM) failure in a turbid medium. The environments studied contain various particles and are dominated by a different image degradation model. Targeting image enhancement for degraded images but not being limited to it, the proposed method provides a highly effective solution for both color and gray images with substantial improvement in the process time compared to conventional methods. The proposed method introduces a hybrid scheme of two image enhancement modules: a model‐based (extensive) enhancement and a model‐free (immediate) enhancement. The proposed method is validated by using simulated synthetic color images and real‐world color and grayscale underwater images. Real‐world validation is performed in various environments such as hazy indoor, smoky indoor, and underwater. Using the ground truth trajectory or clear images acquired from the same area but without turbidity, we evaluate the proposed visibility enhancement and camera registration improvement for a feature based (ORB‐SLAM2), a direct (LSD‐SLAM), and a visual underwater SLAM application.     

一种改进的基于暗通道先验的图像去雾算法

针对暗通道先验去雾算法在图像灰白色或天空区域会产生颜色畸变及图像比较暗淡的问题,提出一种基于暗通道先验改进的算法。该算法通过修正导致颜色畸变的透射率计算问题,从而提高图像的视觉效果。同时,通过降低3个颜色通道的高亮度值,并采用均值方法来得到增强的无雾图像。实验结果表明,本文方法在很大程度上消除了去雾图像明亮区域的颜色畸变现象且有更好的颜色恢复度。