基于图像融合的水下光照不均匀图像增强算法_李广豪.pdf

基金项目:国家自然科学基金项目(60875025)收稿日期:2021-07-19 修回日期:2021-07-23 第 40 卷 第 4 期计 算 机 仿 真2023 年 4 月 文章编号:1006-9348(2023)04-0330-06基于图像融合的水下光照不均匀图像增强算法李广豪,席志红(哈尔滨工程大学信息与通信工程学院,黑龙江 哈尔滨 150001)摘要:在水下探测过程中,环境光照条件多变,采集的图像中由于光照不均匀,会导致一些重要的细节信息无法被表达甚至丢失,严重影响了图像的视觉效果及其用途。针对上述问题,提出一种改进的水下融合算法,将自适应伽马校正算法,MSRCR 算法,CLAHE 算法,锐化算法和水下图像融合增强算法相结合。通过自适应伽马校正算法改善图像光照不均匀区域;通过 CLAHE 扩大局部对比度,降低噪声;利用 MSRCR 算法弥补由于局部对比度增大造成的颜色失真;利用图像锐化弥补伽马校正造成的细节损失;通过图像融合算法融合不同图像的优势。实验结果表明,文中算法可以较好地解决光照不均匀和色偏的问题,改善图像的对比度,提升图像整体的视觉效果。关键词:光照不均匀;图像融合;伽马变换;限制对比度的直方图均衡;锐化中图分类号:TP317.4 文献标识码:BImage Enhancement Algorithm of Underwater UnevenIllumination Based on Image FusionLI Guang-hao,XI Zhi-hong(College of Information and Communication Engineering,Harbin Engineering University,Harbin Heilongjiang 150001,China)ABSTRACT:In the process of underwater detection,the illumination conditions of the environment are changeable.Due to uneven illumination,the important details cant be expressed or even lost,which seriously affects the visualeffects and uses of the images.To solve the above problems,an improved underwater image fusion algorithm is pro-posed,which combines adaptive gamma correction algorithm,MSRCR algorithm,CLAHE algorithm,sharpening al-gorithm and underwater image fusion enhancement algorithm.The adaptive gamma correction algorithm is used to im-prove the uneven illumination area;CLAHE is used to enlarge local contrast and reduce noise;the MSRCR algorithmis used to compensate for the color distortion caused by the increase of local contrast.The detail loss caused by gam-ma correction is compensated by image sharpening.The advantages of different images are fused by the image fusionalgorithm.The experimental results show that the algorithm can solve the problem of uneven illumination and color de-viation,improve the contrast of the image and enhance the overall visual effect of the image.KEYWORDS:Uneven illumination;Image fusion;Gamma transform;CLAHE;Sharpening1 引言水下探测严重依赖获取的水下图像的质量,由于水下环境复杂,水体会对光产生散射和吸收效应,使光在水下严重衰减,从而获取的水下图像质量往往较差。为了能获得高质量的水下图像,水下图像增强是必不可少的处理环节。2003年,Chambah1等人针对水下图像的偏色问题,通过颜色恒常理论提出了一种基于非监督式的增强算法,使后续特征提取式的效率大大增加;2007 年,Iqbal2等人提出的 RGB 和 HIS色彩空间的滑动直方图拉伸连续在两个色彩空间中进行均衡化处理,有效解决了水下图像的偏色和低对比度等问题;2012 年,Ancuti3等人提出了一种基于图像融合的水下图像增强算法,解决了水下图像的偏色和视觉模糊等问题,同时可避免图像中出现伪影和色晕现象。2017 年,余义德4等人提出了限制对比度自适应的颜色校正模型,较好的提高了水下图像的视觉效果和对比度。2018 年,王永鑫等5提出了一种基于同态滤波的水下图像增强与色彩校正模型,可以033有效保证水下图像的清晰度和色彩恒定性。2020 年 5 月,林森6等人提出了一种基于多输入融合对抗网络的增强算法,其生成网络采用编码解码结构,通过卷积层滤除噪声,利用反卷积层恢复丢失的细节并逐像素进行细化,该算法改善后的水下图像色彩鲜明并且对比度提升。自适应伽马校正算法7对于空气中光照不均匀图像有较好的校正效果,但是水下环境复杂,无法直接应用于水下。本文提出一种改进的水下融合算法,将自适应伽马校正算法,改进的 MSRCR 算法8,CLAHE,图像锐化和水下图像融合增强算法3,9相结合。通过自适应伽马校正算法改善图像光照不均匀区域;通过 CLAHE 扩大局部对比度,降低噪声;利用 MSRCR 算法弥补由于局部对比度增大造成的颜色失真;利用图像锐化弥补伽马校正造成的细节损失;通过图像融合算法融合不同图像的优势。可以有效的改善水下图像光照不均匀、色偏、低对比度等问题。2 算法描述本文算法是应用于水下光照不均图像的图像增强算法。通过结合自适应 Gamma 校正和多尺度图像融合增强算法来达到增强水下图像的目的,使得强光照的区域减弱,光照不足的区域得到补偿。具体算法流程如图 1 所示。图 1 算法流程图2.1 限制对比度自适应直方图均衡对于图像中存在明显比其它区域暗或亮的区域,传统的直方图均衡不能将该区域的细节信息描述出来,自适应直方图均衡算法(AHE)通过在当前处理像素周边的一个矩形区域内进行直方图均衡,来达到扩大局部对比度,获取平滑区域的细节信息。但是 AHE 对局部对比度提高过大,导致图像失真,还会放大图像中的噪声。为了解决这些问题,本文使用限制对比度自适应直方图均衡(CLAHE)去扩大局部对比度,并减少噪声的放大情况。2.2 改进的 MSRCR 增强算法由于 CLAHE 在扩大图像局部对比度时,图像会有一定的色彩失真,为了解决这一问题,本文尝试引入改进的带色彩恢复的多尺度视网膜增强算法(MSRCR)8的理论模型,其计算公式如下RMSRCR i(x,y)=GCi(x,y)RMSR i(x,y)+bCi(x,y)=logIi(x,y)-logSi=1Ii(x,y)(1)式中 RMSRCR i是第 i 张图像的 MSRCR 反射光分量,RMSR i(x,y)是第 i 张图像的 MSR 反射光分量,G 和 b 分别是最终增益量和偏移量,Ci(x,y)表示第 i 张图像的色彩恢复函数,是增益系数,是控制非强度系数。在本文中,将参数值分别设置为 G=194,b=-30,=46,=125。2.3 多尺度融合算法为了得到具有突出优势的最佳图像,本文使用了 4 种权重,用于确定在图像融合中输入图像所占的比重,这几种权重分别是拉普拉斯对比度权重(WL),显著性权重(WS),饱和度权重(WSat)和曝光权重(WE)。1)拉普拉斯对比度权重拉普拉斯滤波器可以增强图像中灰度突变的区域,减弱灰度的缓慢变化区域,其表达式如下2f(x,y)=2f(x,y)x2+2f(x,y)y2(2)拉普拉斯对比度权重通过计算拉普拉斯滤波器输入到每个亮度通道的值,并取绝对值,最后得到全局对比度。2)显著性权重通过使用 Achantay10等的显著性估计器,去获取水中不突出物体的显著性水平,用于增加图像中亮暗区域的对比度,从而加强图像全局对比度。其表达式如下Ws=I-I(3)式中 Ws为显著性权重,Iu为 Lab 色彩通道的平均值,I表示在 Lab 通道经过高斯低通滤波后的结果,其截止频率为=/2.75。3)饱和度权重通过调节图像区域饱和度,使彩色图像能够用于图像融合算法。表达式如下WSat=13(Rk-Lk)2+(Gk-Lk)2+(Bk-Lk)2(4)式中Rk,Bk,Gk分别为 RGB 通道中 R,G,B 各单通道在像素 k点的值,Lk时 Lab 通道中亮度分量在像素点 k 的值。4)曝光权重WE用于评估图像中像素的曝光程度,当归一化后的像素值接近平均值 0.5 时,WE表示高斯模型函数到平均归一化范围值(0.5)的距离。其具体计算公式如下WE(x,y)=exp-(Ik(x,y)-0.5)222|(5)式中 Ik(x,y)表示图像 Ik中点(x,y)处的像素值,是标准差,常设置为 0.25.权重 WE(x,y)值越大,则说明该点像素更133可能是曝光不足或曝光过度区域。计算完上述几种权重后,便可以通过多尺度融合算法进行图像融合。将输入图像在每个像素点(x,y)处的权重进行融合便可得到重建后的图像 R(x,y)R(x,y)=Kk=1?Wk(x,y)Ik(x,y)(6)式中?Wk表示归一化权重,通过归一化所有 k 个权重获得,从而使每一个像素(x,y)被?Wk=1 限制;Ik表示经过归一化权重?Wk处理后得到的输入。2.4 光照不均匀图像增强算法该算法通过将图像转化到 HSV 空间,通过多尺度高斯函数对明度通道 V 提取光强分量,将光照分量作为二维伽玛函数的输入,对不同亮度值给予不同的 值,最后转换至 RGB空间,得到校正后的图像。2.4.1 光照分量的提取光照分量的提取有多种方法,例如基于顶帽变换的方法11,基于 mean-shift 的方法12,基于 Retinex 模型的方法13,基于线性引导滤波的方法14等。本文使用 Retinex 理论中涉及的多尺度高斯滤波器的方法15,去提取光照分量,如下式G(x,y)=exp-x2+y2c2|I(x,y)=F(x,y)G(x,y)(7)式中为归一化常数,使高斯函数G(x,y)满足G(x,y)dxdy=1 的条件,c 为尺度因子,代表二维卷积,I(x,y)是估计处的光照分量,F(x,y)是输入图像。为了光照值得到较好的局部特性和全局特性,使用多尺度高斯卷积求和。首先对 N 值取 3,使尺度因子 c 分别为20,75,225,并使用不同权重(1=1/2,2=3=1/4)求和就可最终估计出光照分量,如下式I(x,y)=Ni=1iF(x,y)Gi(x,y)(8)2.4.2 自适应伽马校正在获取光照分量后,为了进一步抑制高光照区域,增强低光照区域,本文使用自适应伽马校正算法对输入图像进行对比度校正。如下式O(x,y)=255F(x,y)255()=12()m-I(x,y)m(9)式中 O(x,y)为输出图像的亮度值,F(x,y)为输入图像,是校正参数,m 是光照分量的亮度均值,I(x,y)为光照