計算機圖像處理技術在水下圖像中的應用

王康 劉婷 陳子文 李雅薇 郭顯久

(大連海洋大學,遼寧大連 116023)

0 引言

水下圖像存在霧化不均勻現象,導致特別亮或暗的區域圖像,很難看清,降低了圖像的對比度和重要特征[1]。目前國內外對圖像自適應增強的研究,大致可以分為對比度、平滑、銳化、同態濾波增晰、偏微分方程等圖像增強方法,此外,按照空間域方法劃分,還可以分為基本灰度變換、直方圖處理、算數操作等空間域圖像增強方法[2]。但是上述研究出的圖像自適應增強方法,存在數學模型求解、參數選擇原則不通用、圖像質量不合格等問題,圖像增強后難以實時適應霧化強度變化,依然存在過亮或過暗處,不能清晰識別水下圖像重要特征[3]。為此以COIL-20數據庫為研究對象,設計對比驗證此次研究的水下圖像自適應增強方法的有效性,通過對比圖像清晰度、圖像峰值信噪比等指標,證明本文方法可以降低圖像中存在的噪點,增強圖像色彩對比度,提高圖像質量。

圖1 水下圖像增強流程圖Fig.1 Flow chart of underwater image enhancement

1 水下圖像增強流程

霧化強度對水下圖像具有較大影響,較強、較弱將降低圖像環境信息的準確度[4]。不同霧化強度的水下圖像增強流程圖如圖1所示。利用CIEXYZ顏色空間方法識別圖像中的霧化強度信息,對圖像中的低霧化部分和高霧化部分進行歸一化處理[5],將完成后通過計算機圖像處理技術實施圖像增強,實現水下圖像增強。

2 水下圖像增強處理

2.1 清晰度處理

霧化現象會遮蓋水下圖像部分細節,出現圖像模糊不清問題。因此采用去霧模型,推導透射率估計公式,增加圖像清晰度。在自然霧化條件下,大氣光值不為零,因此本研究采用A表示大氣光;I（x）表示需要進行清晰度處理的霧化圖像;J（x）表示清晰度處理后的無霧圖像;此時,假設霧化透射率函數為t（x）;則有:

將(1)式連續進行兩次,求(1)式最小值,得到趨近于零值的顏色通道,則有:

(2)式中, Ω （x）表示以x為中心的區域;c表示圖像斜面銳化程度;b表示可見邊;g表示平均梯度值;I（y）表示霧化圖像,J（y）表示無霧圖像;表示透射率t（x）的估計值[6]。

根據(2)式,可以發現,在圖像中除天空部分,其他部分的顏色通道,都趨近于零值,因此將大氣光A,看成常量,得到的透射率的估計值為:

根據(3)式,可以去除圖片中的“白紗”。但是并不適應所有霧化下制成的水下圖像,需要設置霧保留參數ω,修正透射率估計值,則有:

(7)式中,霧保留參數ω,取值范圍在[0,1]之間。此外,還需要對大氣光值A進行估值,即尋找趨近于零的顏色通道中,最亮像素點的0.1%,作為大氣光值A的估值。此時,將透射率值和大氣光值A,代入清晰度處理公式中,則有:

(5)式中,t0表示經驗值,避免出現顏色失真現象,至此完成圖像清晰度處理。經過霧化補償調整圖像亮度和清晰度后,就可針對圖像,進行自適應增強處理,根據霧化角度,實時展現圖像特征。

2.2 水下圖像自適應增強

經過上述處理過程,針對圖像不同亮度區域的對比,進行圖像增強處理,為此設定圖像的閾值,讓圖像可以自適應霧化變化,實時調整圖像特征顏色。因此,這一增強圖像適應性,需要設置硬閾值和軟閾值,則有:

(6)式中,T1表示硬閾值;hT1（x）表示經過硬閾值處理后的系數;T2表示軟閾值;hT2（x）表示經過硬閾值處理后的系數。其處理后的系數圖像,如圖2所示。

由圖2中看出,硬閾值在增強圖像自適應性時,得到的系數不連續,處理圖像結果粗糙;而軟閾值在增強圖像自適應性時,得到的系數連續,且圖像處理細膩,可以互補對方存在的缺陷。所以采用軟閾值和硬閾值共同處理圖像,增強圖像的自適應性。

因此閾值的選取十分重要,其通常由噪聲方差和子帶系數的能量分布共同確定,所以設圖像增強后的期望均值為m;閾值選定值為σ;絕對誤差中值為F;噪聲方差為w;子帶系數為wH（1）;則有:

(7)式中,n表示圖像分量;H表示原始圖像的直方圖。將選定的閾值,帶入(7)式,即完成圖像自適應增強。

綜上述所,本次研究水下圖像自適應增強方法,分別調整圖像亮度和圖像清晰度,最后調整圖像閾值,讓圖像可以自適應不同的霧化強度。

3 實驗分析

本次驗證計算機圖像處理技術在水下圖像增強中的應用效果,針對COIL-20數據庫中的1440幅圖像,進行預處理,將圖像的大小全部調整為64*64大小,圖像分辨率設置為240*360,幀率調整為20fps。圖像在旋轉之前,全部剪裁到64*64維大小。選取寬動態方法及優化估計方法作為對比方法。采用亮度、信息熵、清晰度、均方誤差(MSE)、峰值信噪比(PNSR)、圖像增強時間作為客觀測試指標,進行對比實驗。

3.1 主觀測試結果

從實驗場所選取一幅弱霧化強度圖片,用三種方法優化弱霧化強度下的圖像,結果如圖3所示。從圖3對比結果可以看出,本文方法可有效保留水下圖像中的邊緣細節,保留水下圖像中的樹木等色彩,將陰影區域霧化強度有效補償,提升優化后水下圖像質量;寬動態方法修正霧化強度效果較差,優化后圖像霧化強度仍較低;優化估計方法優化水下圖像曝光過強,圖像細節保留效果較差。對比可看出,本文方法優化后主觀圖像效果具有較高的人眼視覺效果,去除暗角同時保留圖像色彩信息,邊緣信息明顯,校正色彩效果較好,并且未丟失圖像細節信息。

圖2 軟硬閾值處理后的系數圖像Fig.2 Coefficient image after soft and hard threshold processing

3.2 客觀測試結果

圖3 弱霧化強度下圖像增強效果Fig.3 Image enhancement effect under weak fog intensity

圖4 不同方法峰值信噪比對比結果Fig.4 Comparison results of peak signal-to-noise ratio of different methods

客觀測試中引入圖像處理時間T、峰值信噪比P、平方差誤差S、圖像粗糙度P、非均勻性響應率U等圖像增強方法評價指標,對比三組圖像增強方法。為此,假設圖像的灰度級為L;圖像大小為N;輸入圖像為I;輸出圖像為P;輸入處理后的圖像為f;水平差分模板為h1,且取值在[1,-1]之間;垂直差分模板為h2,且21T h=h;輸入圖像行數為M;輸入圖像列數為N;焦平面陣列的死像元數為d;過熱像元數為h,則有:

其中,n表示圖像個數;*表示卷積操作;（i,j）表示圖像坐標。

3.2.1 圖像質量

從圖像亮度、信息熵、清晰度三個指標檢測三種方法對水下圖像增強后圖像質量,統計結果如表2所示。對比結果,采用本文方法優化后水下圖像亮度處于120cd/m-130cd/m之間、信息熵均高于7.4bit、清晰度均高于5;采用寬動態方法和優化估計方法優化后的水下圖像亮度處于90cd/m-140cd/m之間、信息熵均低于7bit、清晰度均低于5。對比結果可以看出,本文方法優化后水下圖像亮度極為均勻,未出現亮度過高以及過低情況,具有較高的信息熵以及清晰度,優化后圖像質量較高,驗證本文方法具有較高的優化效果。

3.2.2 峰值信噪比

統計采用三種方法優化不同霧化強度下水下圖像的峰值信噪比,對比結果如圖4所示。本文方法優化10幅不同霧化強度下水下圖像峰值信噪比均高于20dB,采用寬動態方法和優化估計方法優化后水下圖像的峰值信噪比均低于20dB。本文方法優化水下圖像的峰值信噪比明顯高于另兩種方法,說明采用本文方法優化后圖像具有較高的結構相似性,可令圖像具有較高的平衡性。

表2 不同方法優化后圖像質量對比Tab.2 Comparison of image quality after optimization by different methods

4 結語

霧化強度對水下圖像呈現效果影響較大,研究不同霧化強度下水下圖像增強,識別水下圖像霧化強度,針對霧化強度較高以及較低圖像實施霧化歸一化,利用計算機圖像處理技術實現水下圖像增強處理,完成圖像增強。通過實驗結果驗證所研究方法可在較短的時間實現圖像的高質量優化,優化后圖像可保留較多的圖像細節,具有較高的圖像增強效果。完成優化后圖像具有較高的峰值信噪比以及較低的圖像均方誤差,可滿足水下圖像增強的實際需求。