水下光场成像清晰度增强研究

由于水介质及水下颗粒的散射吸收作用,使得水下成像图像存在分辨率与对比度低,细节特征模糊,颜色失真等问题。针对这些问题,该文提出基于光场成像的水下图像清晰度增强算法,根据暗原色先验理论和单尺度的Retinex理论建立水下散射成像模型对成像图像的清晰度进行增强处理,并利用光场成像的多视角特性对散射成像模型的图像增强效果进行优化,进一步提高水下成像图像的质量。实验结果表明,两种理论构建的水下散射模型和多视角优化算法可以有效的提高水下成像图像的质量。     

结合MSRCR与多尺度融合的水下图像增强算法

为解决水下图像增强时出现的图像边缘细节模糊,亮度不均等问题,提出了一种结合带色彩恢复的多尺度视网膜增强算法(MSRCR)与多尺度融合的水下图像增强算法。首先,将获取到的水下图像基于的MSRCR算法色彩校正,并将校正后的图像转换到Lab颜色空间对亮度分量进行自适应增强。其次,对MSRCR色彩校正图像和Lab空间亮度分量增强图像分别计算拉普拉斯对比度权重、局部对比度权重、显著性权重和曝光度权重,并构建归一化后的权重图。最后,将归一化的权重图和MSRCR色彩校正图像以及Lab空间亮度增强图像输入图像金字塔进行多尺度分解与逐层融合。实验结果表明,该算法有效的克服了单一水下图像增强算法的缺点,使得增强后的图像边缘细节更加清晰,色彩更加丰富。     

基于颜色校正和改进二维伽马函数的水下图像增强

针对由于光在水体中衰减、散射,造成捕捉的水下图像存在偏色、对比度低、清晰度差、光照不均等问题,提出一种基于颜色校正和改进二维伽马函数的水下图像增强方法。首先,用带颜色恢复的多尺度Retinex增强算法(MSRCR)校正偏色问题,获得一个输入图像;然后用改进的二维伽马函数降低光照不均匀对水下图像的影响,并用基于自适应Sigmoid函数双直方图均衡化(BEASF)增强图像对比度,获得另一个输入图像;最后结合对比度、显著性、饱和度、曝光度4个权重进行多权重融合,得到最终的增强图像。实验结果表明,该算法不仅能有效的改善水下图像偏色的问题,而且增强了图像的细节和对比度。     

基于通道量化与红色先验融合的 水下光学图像清晰化

水下图像通常存在对比度低以及颜色失衡等现象,导致图像纹理信息不清晰,针对此类问题,提出基于通道量化与红色先验融合的水下光学图像清晰化方法。首先,设计两种输入图像版本,图像一通过颜色通道直方图量化重新分配像素值,调整对比度;图像二为实现色彩均衡,将红色通道先验代入成像模型,用于估计背景光、直接分量透射率和后向散射透射率。然后,针对各输入图像设计3种权重图,包括亮度图、饱和度图和显著图。最后,利用多尺度融合策略,将局部对比度提升和颜色校正图像与其归一化权重图进行融合。在多个数据库上通过主观和客观指标进行实验评价,结果表明,本文算法在呈现高对比度的同时,能够恢复出更多的色彩和细节信息,有效提升水下图像质量,与各经典及新颖算法相比具有优势。     

基于改进U-Net的水下图像增强算法

针对水下退化图像存在颜色失真、模糊雾化、对比度低等问题,提出了一种新的基于改进U-Net的水下图像增强算法。设计一种新的残差注意力结构和边缘检测模块并将其引入到U-Net网络中,构建改进后的水下图像增强算法。实验结果表明,本文提出的算法在校正水下色偏和增强对比度方面均得到了很好的效果,IE值较原始图像平均提高了14.2%,UCIQE值较原始图像平均提高了24%。消融实验结果表明,本文提出的残差注意力结构、边缘检测模块和损失函数均对水下图像增强起到了积极的效果。     

基于颜色校正和加权融合的水下图像增强

为解决水下图像由光照不均匀等原因引起的颜色偏差、对比度低、细节不清晰等问题，提出了一种基于颜色校正和加权融合的水下图像增强方法。首先，对补偿了红色通道的原始图像采用白平衡算法进行颜色校正，解决图像失真问题。并将颜色校正后的图像从RGB空间转换到Lab空间，然后采用对比度限制自适应直方图均衡比(CLAHE)算法处理的L亮度通道来增强图像的对比度和亮度。最后，将颜色校正后的图像和增强对比度后的图像进行加权融合增强图像细节的清晰度。实验结果证明，采用所提算法处理不同水下场景图像效果显著，4个图像质量评价指标信息熵、峰值信噪比(PSNR)、水下图像质量评价度量(UIQM)和水下彩色图像质量评级(UCIQE)值与其他算法相比均有明显提升。并且与原始图像相比，所提算法处理后的图像的信息熵至少提升了5.6%,UIQM值提高了1.48倍以上，UCIQE值提高了7.5%。     

基于点扩散函数特征优化融合的水下目标识别

人类对水下世界探索的热情推动了水下成像及监测系统研究的发展。然而由于水介质光学属性及复杂水下环境的影响,常用的陆地成像及配套算法很难实现理想的效果。因而可以采用设备更新或算法优化两条策略使水下成像监测系统能够适应水下的光学环境。考虑到设备更新在水下场景中实施的困难和较高的资源消耗,沿用传统陆地的光学成像设备进行水下图像数据采集,并利用点扩散函数优化及多信息融合的策略来优化水下成像监测系统所用的目标识别算法,解决水下光学成像中由于散焦、目标移动、前后向散射噪声等所造成的图像目标细节模糊、对比度差等问题,提高水下自主航行器对水下目标的识别能力。     

融合小波与非局部均值滤波的DSPI相位图去噪

相位图去噪是数字散斑干涉测量的关键技术，但现有以正余弦均值滤波与窗口傅立叶变换滤波为代表的去噪方法在相位保真、自适应降噪、操作简便等方面不能完全满足要求。提出了一种新的自适应相位图去噪方法，首先计算原始相位图的噪声方差，然后对图像分别进行正弦与余弦变换后得到两幅图像，再对这两幅图像进行小波同态阈值去噪与非局部均值滤波，最后将处理后的两幅相位图反正切运算并再次估计噪声方差，根据图像噪声方差的收敛情况判断是否继续迭代处理，以实现相位图的自适应降噪。实验结果表明：针对同一张含噪相位图与传统正余弦均值滤波相比，本文方法噪声方差减少了0.38、L算子和减少了0.2、SSIM提高了0.16，同时，图像信息熵仅相差0.1。该方法能够有效抑制相位图中的相干噪声，充分保留相位边缘信息，同时能够有效避免因不适当的迭代滤波次数所导致的相位失真或噪声残留。     

基于统计特征分类耦合自适应 Gamma校正的图像增强算法

为了避免图像在亮度增强时导致其颜色失真,且在局部易出现过增强等问题,设计了统计特征分类耦合自适应Gamma校正(adaptive Gamma correction,AGC)的图像增强算法,以更好提高图像细节与视觉效果。首先,将输入图像转换为HSV空间,使颜色与亮度分离,使其在增强亮度通道时不改变像素的原始颜色,有效降低颜色失真。然后,考虑不同图像的性质,利用统计信息将图像分类为高、低两种对比度,每种对比度又分为亮、暗两类。其次,基于传统的Gamma校正方法,通过对于不同类型的图像进行动态参数设置,形成一种AGC机制,从而为不同类型图像的构建了不同的增强函数,以完成不同类别图像的增强处理。实验数据表明,与当前流行的增强算法相比,所提算法具备更高的增强效果,呈现出更为自然的亮度与对比度,且保持了更多的颜色信息。     

水下主动激光扫描系统中光场记录及散射背景分离研究

传统水下主动激光扫描系统采用普通相机对反射光接收记录,反射激光点被掩埋在背景噪声中无法分离,影响成像质量。该文在水下激光主动扫描成像系统中采用光场相机记录了包括激光反射光线和各种散射背景杂光的位置和方向信息,为抑制散射背景杂光提供了可能。在后续光场记录图像处理中,首先,对记录的光场图像进行前后两次重聚焦,第一次是对激光照射到物面激光光点的重聚焦,第二次是对激光光点前景散射光的重聚焦,再对两幅图像进行差分处理;提出一种计算机自动判断流程,使得差分所得图像上激光点的衬度最大,或足够大。实验结果表明,上述方法可以达到较好的散射背景抑制作用,是对现有同步扫描主动激光成像系统空间分离散射背景抑制技术的必要补充。     

基于改进SinGAN的电力线巡检异物数据增强技术

针对电力线异物识别模型能使用的数据集较少,并且传统单幅自然图像的生成式模型(SinGAN)模型生成数据与异物识别模型匹配度不高、质量不佳、耗时过久的问题,提出了改进SinGAN模型。在改进SinGAN模型基础上加入仿射变换单元、大小变换单元进一步增强数据集,加入图像滤波单元提高电力线异物识别模型所需数据质量。并通过改进SinGAN反向传播训练过程和SinGAN的单精度生成器结构提升模型生成质量,减少所用时长。实验结果表明,经50次实验后,改进SinGAN的平均弗雷谢特起始距离(Fréchet inception distance, FID)为91.375,平均训练时长1.21 h。分别比传统SinGAN降低了27.247%和87.31%。改进SinGAN与其他主流生成式对抗网络相比有更好的异物数据生成能力,可以增强电力线异物识别模型所需数据,具有优越性。     

Underwater Image Enhancement Based on IMSRCR and CLAHE-WGIF

Aiming at the scattering and absorption of light in the water body, which causes the problems of color shift, uneven brightness, poor sharpness and missing details in the acquired underwater images, an underwater image enhancement algorithm based on IMSRCR and CLAHE-WGIF is proposed. Firstly, the IMSRCR algorithm proposed in this paper is used to process the original underwater image with adaptive color shift correction; secondly, the image is converted to HSV color space, and the segmentation exponential algorithm is used to process the S component to enhance the image saturation; finally, multi-scale Retinex is used to decompose the V component image into detail layer and base layer, and adaptive two-dimensional gamma correction is made to the base layer to adjust the brightness unevenness, while the detail layer is processed by CLAHE-WGIF algo-rithm to enhance the image contrast and detail information. The experimental results show that our algorithm has some advantages over existing algorithms in both subjective and objective evaluations, and the information entropy of the image is improved by 6.3% on average, and the UIQM and UCIQE indexes are improved by 12.9% and 20.3% on average.     

An Approach to Synthesize Diverse Underwater Image Dataset

Images that are taken underwater mostly present color shift with hazy effects due to the special property of water. Underwater image enhancement methods are proposed to handle this issue. However, their enhancement results are only evaluated on a small number of underwater images. The lack of a sufficiently large and diverse dataset for efficient evaluation of underwater image enhancement methods provokes the present paper. The present paper proposes an organized method to synthesize diverse underwater images, which can function as a benchmark dataset. The present synthesis is based on the underwater image formation model, which describes the physical degradation process. The indoor RGB-D image dataset is used as the seed for underwater style image generation. The ambient light is simulated based on the statistical mean value of real-world underwater images. Attenuation coefficients for diverse water types are carefully selected. Finally, in total 14490 underwater images of 10 water types are synthesized. Based on the synthesized database, state-of-the-art image enhancement methods are appropriately evaluated. Besides, the large diverse underwater image database is beneficial in the development of learning-based methods.     

多特征选择与双向残差融合的无监督水下图像增强

如今,利用合成的成对数据集训练的有监督模型泛化能力弱,在多变的实际水下环境中表现不佳,而无监督模型虽摆脱 了成对数据集的依赖,但生成图像可能因缺少特征信息导致图像视觉质量较差。 故以循环生成对抗网络为架构,提出多特征选 择与双向残差融合的水下图像增强方法。 一方面,设计以混合注意力为基础的多特征选择模块对水下图像的多种特征进行选 择,再由双向残差融合对传统 U 型跳跃连接进行优化,使图像特征高效表达,有效恢复水下图像的纹理与色彩。 另一方面,在 判别器中引入混合注意力并提出内容感知损失和风格感知损失,保证增强图像在全局内容、局部纹理、风格特征等方面和清晰 图像一致。 与现有的无监督和有监督模型相比较,该模型 PSNR 分别提高了 6%和 2%,SSIM 分别提高了 4%和 3%,对水下图像 有着显著的增强效果,在色彩真实度和饱和度上相比其他现有方法更加优秀。