基于加權引導濾波的水下圖像增強算法

敖　珺,孫宗凱,馬春波

(桂林電子科技大學 信息與通信學院,廣西 桂林　541004)

基于加權引導濾波的水下圖像增強算法

敖珺,孫宗凱,馬春波

(桂林電子科技大學 信息與通信學院,廣西 桂林541004)

摘要：針對水下圖像存在對比度低、噪聲較多的問題，提出一種基于加權引導濾波的水下圖像增強算法。該算法通過CLAHE方法增強圖像對比度，并用Canny算子代替方差邊緣檢測法，實現對加權引導濾波器邊緣權重的準確估計。通過加權引導濾波器對增強圖像降噪，并對降噪圖像的亮度和飽和度進行分塊對比度增強。實驗結果表明，該算法能夠有效抑制圖像噪聲，提高增強圖像的結構相似度，且增強后圖像的對比度高，可視性好。

關鍵詞：水下圖像；圖像增強；加權引導濾波；降噪

在水下環境中，由于水分子以及溶解的雜質對光線的吸收和散射作用，導致水下圖像出現對比度低、噪聲較大等嚴重的退化問題。這不僅降低了圖像的整體視覺效果，而且給后續圖像的自動處理和識別產生不利影響。因此，研究有效的水下圖像增強算法具有重要意義。

近年來，水下圖像增強方法主要分為模型法和非模型法。模型法利用光照物理模型估計圖像的降質模式，根據估計的結果復原降質圖像。非模型法不考慮水下光學成像機理和光照機理，直接根據降質圖像的特征進行處理[1]。楊愛萍等[2]基于顏色失真去除和暗通道的水下圖像復原，采用適用于水下圖像的顏色失真去除方法還原圖像顏色，并利用散射系數與波長的關系修正各通道的透射率，實現圖像復原。Hitam等[3]采用CLAHE算法分別在水下圖像的RGB空間和HSV空間進行圖像增強，并對增強結果進行融合，該算法計算效率高，但增強后噪聲較大。張凱等[4]將水體散射效應等效為環境光照的變化，通過水下彩色圖像亮度通道下的多尺度Retinex算法處理，可減小水體散射效應，提高圖像對比度，但該算法在圖像的背景區域容易出現噪聲。胡玉娟等[5]通過均衡化和白平衡方法對圖像進行處理，根據處理結果的顯著圖、照度圖和色度圖估計融合系數，并對圖像進行融合，該算法可以取得較好的增強效果，但融合系數計算復雜，不適合實時處理。

針對以上問題，提出一種基于加權引導濾波的水下圖像增強算法，在增強圖像的對比度后，采用基于Canny算子修正的加權引導濾波器抑制圖像噪聲。

1引導濾波器理論

引導濾波器是一種局部線性圖像濾波器，具有平滑和邊緣保持的特性，它能夠像雙邊濾波器一樣保持邊緣平滑，并在邊緣附近能夠保持更多的細節[6]。假定引導圖像為I，輸入圖像為p，輸出圖像為q，其濾波線性轉換模型為

(1)

其中：ωk是以像素點k為中心、r為半徑的鄰域；ak、bk為窗口ωk內的常量。對式(1)兩邊求梯度，得

(2)

由式(2)可知，當輸入圖像I有梯度時，輸出q也有類似的梯度，因此，引導濾波具有邊緣保持特性。求解濾波結果相當于最小化窗口ωk內的損耗函數。損耗函數定義為

(3)

其中：pi為待濾波圖像；ε為規整化因子，用來防止系數ak過大，也是調節濾波器濾波效果的重要參數。

對式(3)進行最小二乘法，可得

(4)

(5)

圖1為珊瑚魚濾波。采用雙邊濾波和引導濾波進行對比，雙邊濾波器的空域和值域濾波系數分別為5、0.1，引導濾波器的規整化因子為0.01，半徑為4。從圖1可看出，引導濾波的圖像細節清晰，背景光滑。采用Canny算子對濾波結果進行邊緣檢測，圖2為珊瑚魚濾波邊緣。從圖2可看出，引導濾波包含了更多的邊緣細節。

圖1　珊瑚魚濾波Fig.1　Filtering of coral fish

圖2　珊瑚魚濾波邊緣Fig.2　Filtering edge of coral fish

He等[6]提出的引導濾波器中，所有的窗口均采用固定的規整化因子，并未考慮不同窗口內像素之間的紋理差異。因此，在圖像邊緣會因較大的規整化因子出現模糊，降低濾波效果。鑒于原始引導濾波器存在的問題，Li等[7]提出加權引導濾波器，即結合局部窗口ωk內的方差信息，自適應地調整規整化因子。根據局部窗口ωk的方差定義，邊緣權重為

(6)

在引導圖像的邊緣，根據式(6)可知，鄰域內方差大的像素點p′對應的邊緣權重WG(p′)越大，而像素點p′對應的規整化因子越小。因此，可以更好地保持圖像邊緣。

2算法描述

由于水下圖像對比度具有非統一性，采用全局直方圖均衡化并不能獲得滿意的增強效果[8]。本算法采用CLAHE方法增強圖像局部對比度，并用加權引導濾波抑制圖像噪聲。

2.1基于Canny算子的加權引導濾波器

Li等[7]提出的邊緣權重是基于窗口內的方差，但方差大的區域并不與邊緣區域相互對應。通過邊緣算子檢測的圖像邊緣值來代替局部方差，可以實現對規整化因子的準確估計。

邊緣是圖像最基本的特征[9]，常用的邊緣檢測算子有Sobel算子、LOG算子和Canny算子等。Sobel算子計算復雜度低，但容易檢測出偽邊緣。LOG算子由于尺度因子無法自適應調整等原因，使得噪聲對圖像仍有較大影響。Canny算子是一階傳統微分中檢測階躍型邊緣效果最好的算子之一[10]，具有較好的邊緣檢測性能。采用Canny算子檢測圖像邊緣，且定義邊緣權重為

(8)

其中：C(p)為p點對應的Canny邊緣值；N為像素的總數；γ與式(6)的γσ相同，取值為0.065 536。φ(p)計算結果范圍較大，對求取后的φ(p)范圍進行限定，

(9)

其中max(·)為最大值函數。式(9)將φ(p)的值限定為1～513，避免了φ(p)過大或過小對濾波結果造成影響。根據式(9)的邊緣權重，其對應損耗函數為

(10)

為了更好地保持圖像的邊緣細節，對修正前的規整化因子取值0.01。

圖3為珊瑚魚邊緣權重。從圖3可看出，本算法邊緣權重表示的圖像邊緣清晰，亮度均勻，而方差對應的邊緣權重亮度分布不均勻。

圖3　珊瑚魚邊緣權重Fig.3　Edge-aware weighting of coral fish

圖4為珊瑚魚局部濾波，輸入圖像是圖3(a)的一部分。從圖4可看出，本算法濾波結果可以保持更多細節。采用Canny算子對濾波結果進行邊緣檢測，圖5為珊瑚魚濾波邊緣。從圖5可看出，本算法邊緣檢測包含更多的邊緣細節。

圖4　珊瑚魚局部濾波Fig.4　Local filtering of coral fish

圖5　珊瑚魚局部濾波邊緣Fig.5　Local filtering edge of coral fish

2.2亮度和飽和度增強

加權引導濾波降噪后，圖像的亮度和飽和度會降低。為了得到更好的增強效果，在降噪圖像的HSV空間對亮度和飽和度進行增強。此外，圖像降噪后，圖像整體對比度較高，采用全局對比度增強并不能取得較好的增強效果。因此，將亮度和飽和度分成16等塊，對每一子塊進行對比度增強。其中，亮度子塊i增強為：

(11)

(12)

(13)

圖6為珊瑚魚加權引導濾波。從圖6可看出，圖像的濾波邊緣較為豐富，但圖像亮度偏低。圖7為珊瑚魚局部增強，其增強后在珊瑚魚背上具有更多的紋理細節，而背景區域更加平滑，同時亮度較高。

圖6　珊瑚魚加權引導濾波Fig.6　Weighted guided filtering of coral fish

圖7　珊瑚魚局部增強Fig.7　Local enhancement of coral fish

2.3實現步驟

本算法實現步驟如下：

1)通過CLAHE方法增強圖像對比度。

2)根據Canny算子檢測的圖像邊緣計算邊緣權重，并通過式(10)得到損耗函數。

3)采用加權引導濾波器對增強圖像進行濾波降噪。

4)在降噪圖像的HSV空間，對亮度和飽和度進行分塊增強，并用雙線性插值消除圖像塊狀效應。

3實驗結果與分析

實驗選用的Matlab版本為R2010a，PC處理器為3.6 GHz Intel(R) Core(TM) i3-4160，內存為4 GB，操作系統為Windows 7旗艦版。

實驗選取了一組比較典型的水下退化圖像作為增強的對象，圖像大小是450 px×350 px。圖8～10為本算法與文獻[3-4]處理結果，表1為不同算法處理結果對比。

圖8　珊瑚魚增強結果Fig.8　Enhancement of coral fish

圖9　水下考古增強結果Fig.9　Enhancement of underwater archeological

圖10　水下沉船增強結果Fig.10　Enhancement of underwater shipwreck

實驗圖片算法信息熵結構相似度清晰度時間/s文獻[3]4.640.5711090.21圖9(a)文獻[4]7.410.4652561.28本算法7.300.6351760.59文獻[3]7.720.6944920.17圖10(a)文獻[4]7.620.7134641.19本算法7.840.7375110.58文獻[3]7.240.6366080.18圖11(a)文獻[4]7.610.57911731.23本算法7.720.74610070.57

3.1主觀評價

從圖8～圖10的圖像增強結果可以看出，文獻[3]和文獻[4]都顯著提高了圖像對比度，但在圖像背景區域都有較明顯的噪聲，而本算法能夠解決圖像的噪聲問題，同時又保持較高的對比度。在圖8中，本算法的對比度和圖像信噪比都較高，并且背景區域平滑，而文獻[3]算法的左下角珊瑚區域亮度過大，造成細節模糊。在圖9中，文獻[4]在潛泳人員手臂處都有較多的噪聲，而本算法噪聲較少。在圖10中，文獻[3]整體對比度較高，但其在海水區域有更多的噪聲，可視性較差。

3.2客觀評價

本算法選用信息熵、結構相似度SSIM[11]和清晰度作為客觀評價標準。結構相似度SSIM是性能高于峰值信噪比的降噪評價標準，其取值范圍為0～1，SSIM指標越大說明算法降噪性能越好。清晰度客觀反應圖像的紋理特征和微小的細節反差，定義為

(14)

從表1可以看出，本算法增強圖像的SSIM指標最高，而且信息熵、清晰度都高于文獻[3]，但是文獻[3]的運行時間最短。在圖9、圖10中，文獻[4]具有較高的信息熵，但其結構相似度要比本算法低。此外，在圖9、圖11中，文獻[4]具有較高的清晰度，但運行時間長。

4結束語

在分析方差檢測的加權引導濾波器的基礎上，對比常用的邊緣算子，采用基于Canny算子的加權引導濾波器對CLAHE方法增強后的水下圖像進行降噪，并在HSV空間對降噪圖像的亮度和飽和度進行分塊對比度增強，解決了水下圖像對比度低和噪聲較多的問題。通過對多組水下降質圖像增強效果的對比分析，本算法增強后的圖像對比度較高，且圖像的背景區域具有更好的平滑度。此外，結合客觀圖像質量評價數據，表明本算法具有較高的結構相似度，并且信息熵和清晰度較大，算法的執行效率較高。

參考文獻:

[1]李慶忠,李長順,王中琦.基于小波變換的水下降質圖像復原算法[J].計算機工程,2011,37(22):202-206.

[2]楊愛萍,鄧佳,王建,等.基于顏色失真去除與暗通道先驗的水下圖像復原[J].電子與信息學報,2015,37(11):2541-2547.

[3]HITAM M S,YUSSOF W,AWALLUDIN E A.Mixture contrast limited adaptive histogram equalization for underwater image enhancement[C]//International Conference on Computer Applications Technology.Sousse,Tunisia:IEEE Press,2013:1-5.

[4]張凱,金偉其,裘溯,等.水下彩色圖像的亮度通道多尺度Retinex增強算法[J].紅外技術,2011,33(11):630-634.

[5]胡玉娟,曹風云.基于圖像融合的水下彩色圖像增強方法[J].合肥工業大學學報(自然科學版),2013,36(8):948-953.

[6]HE K,SUN J,TANG X.Guided image filtering[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,2013,35(6):1397-1409.

[7]LI Zhengguo,ZHENG Jinghong ,ZHU Zijian,et al.Weighted guided image filtering[J].IEEE Transactions on Image Processing,2015,24(1):120-129.

[8]ARNOLD B A,MALKASSE J P,KERVEN G.A pre-processing framework for automatic underwater images denosing[C]//Proceedings of the European Conference on Propagation and Systems,2015(3):15-18.

[9]任毅斌,王子嫣,于吉紅,等.數字圖像中邊緣檢測算法綜合研究[J].計算機與信息技術,2007(8):23-26.

[10]管宏蕊,丁輝.圖像邊緣檢測經典算法研究概述[J].首都師范大學學報(自然科學版)，2009(增刊1):66-69.

[11]WANG Z,BOVIK A,SHEIKH H.Image quality assessment:from error visibility to structural similarity[J].IEEE Transactions on Image Processing,2004,13(4):600-612.

[12]SAHU P,GUPTA N,SHARMA N.A survey on underwater image enhancement techniques[J].International Journal of Computer Applications,2014,87(13):19-23.

[13]張新龍,汪榮貴,張璇,等.霧天圖像增強計算模型和算法[J].中國圖像圖形學報,2011,16(8):1359-1368.

編輯：梁王歡

Underwater image enhancement algorithm based on weighted guided filter

AO Jun, SUN Zongkai, MA Chunbo

(School of Information and Communication Engineering, Guilin University of Electronic Technology, Guilin 541004, China)

Abstract：In order to solve the problem of low contrast, large noise of underwater images, an underwater image enhancement algorithm based on weighted guided filter is proposed. The algorithm improves image contrast by CLAHE. Then the edge-aware weighting of weighted guided filter is accurately calculated by Canny algorithm instead of variance. The enhancement image is denoised with weighted guided filter and the saturation and value components of the denoised image are locally enhanced. The experimental results show that the image noises are suppressed effectively, the structural similarity of enhanced images is improved. Besides, the enhanced images have high contrast and good visibility.

Key words：underwater image; image enhancement; weighted guided filter; noise reduction

收稿日期：2016-01-20

基金項目：國家自然科學基金(61167006)；廣西認知無線電與信息處理重點實驗室主任基金(CRKL150106)

通信作者：敖珺(1978-)，女，廣西桂林人，教授，博士，研究方向為通信信號處理、光通信。E-mail:guidian2016@126.com

中圖分類號：TP391.41

文獻標志碼：A

文章編號：1673-808X(2016)02-0113-05

引文格式： 敖珺,孫宗凱,馬春波.基于加權引導濾波的水下圖像增強算法[J].桂林電子科技大學學報，2016,36(2)：113-117.