本發(fā)明涉及數(shù)字圖像處理領(lǐng)域的水下圖像增強方法，更具體地說是一種白平衡與暗原色的自適應(yīng)直方圖水下圖像增強方法。

背景技術(shù)：

海洋孕育著大大的能源和資源，是人類生存與發(fā)展的重要領(lǐng)域，人類社會的發(fā)展也必然越來越依賴海洋，目前，越來越多的人類活動都與海洋有關(guān)，因此，開展水下圖像處理方法的研究，在軍事和國民經(jīng)濟上都有重要的價值和意義。

水下圖像分析和識別是海洋研究和開發(fā)中的關(guān)鍵技術(shù)之一，但是在水下成像過程中由于存在水體對光線的吸收以及懸浮顆粒對光的散射等,常使得水下圖像出現(xiàn)分辨率不足和強烈的衰減，從而導(dǎo)致水下圖像出現(xiàn)顏色失真，對比度會急劇下降，而且同時水下可見度較低會使圖像產(chǎn)生模糊，水下圖像成像復(fù)雜、質(zhì)量較差且由于光線在水下傳播時，綠色分量因為波長最短所以在水下傳播距離最遠(yuǎn)，這導(dǎo)致水下圖像偏綠色。這些因素導(dǎo)致水下圖像難以直接用于海洋科學(xué)研究、海洋工程等方面，給科研和實際操作帶來較大難題，因此，需要對水下圖像做增強處理，使其符合機器識別和視覺分析的要求。

目前，水下圖像增強主要有以下幾種：

(1)抑制后向散射的圖像增強方法

根據(jù)有關(guān)后向散射背景灰度分布的先驗知識，利用傳統(tǒng)的圖像增強改善圖像的灰度對比度，達(dá)到圖像增強的目的。傳統(tǒng)的圖像增強算法有直方圖均衡化、對比度拉伸等。

(2)基于頻域處理的方法

在降噪和增強方面有較好效果的方法在水下圖像上也有廣泛的應(yīng)用，如自適應(yīng)濾波，同態(tài)濾波、雙邊濾波等，2006年Bazeille等人提出了一種減少水下擾動的提高圖像質(zhì)量的水下圖像增強方法，通過同態(tài)濾波方法糾正非均勻照明；利用小波去噪來抑制噪聲，采用各向異性濾波對邊緣進(jìn)行增強，并通過均勻RGB通道來調(diào)整顏色，該算法能在一定程度上還原了圖像真實顏色并凸顯目標(biāo)的細(xì)節(jié)部分。但該算法忽略了光的水下散射等影響，算法耗時較長，不適合實時處理。

(3)基于大氣散射模型的水下圖像增強方法

借鑒大氣散射模型的水下圖像增強方法。2008年，翟藝書等人提出了一種基于模糊邏輯的霧天降質(zhì)圖像增強方法，該算法通過對降質(zhì)圖像進(jìn)行規(guī)范化處理，降低不同霧況對灰度級分布范圍的影響，并對規(guī)范后的圖像根據(jù)大氣散射對對比度衰減的影響規(guī)律，在模糊域內(nèi)實現(xiàn)對比度增強。該算法可以有效提高霧天降質(zhì)圖像的對比度，視覺效果改善。但該算法可以在一定的現(xiàn)實條件下完成對霧天圖像的清晰化，但是該方法的實現(xiàn)會受到大氣模型參數(shù)獲取的限制。

(4)基于圖像融合的方法

Ancuti提出一種針對水下圖像和視頻的融合技術(shù)，參數(shù)了多光譜圖像、去霧和HDR圖像中應(yīng)用的成功案例。首先對水下圖像進(jìn)行白平衡處理，最小化顏色在整個場景中的漂移，然后利用雙邊濾波等方法去噪并進(jìn)行顏色修正，最后利用高斯金字塔進(jìn)行圖像復(fù)原。該方法算法效果較好，但計算過程較復(fù)雜。

在此背景下，在借鑒水下圖像色彩修正及暗原色模型圖像增強的基礎(chǔ)上，提出在對圖像進(jìn)行色彩修正之后，將暗原色模型和傳統(tǒng)的CLAHE圖像增強算法相結(jié)合，采用圖像融合的方法，不僅可以增大圖像的灰度范圍，豐富灰度層次，改善視覺效果，達(dá)到圖像增強的目的，同時又避開了復(fù)雜的透射圖估計。還原圖像效果好。增強效果好，顏色高保真，實時性強。

技術(shù)實現(xiàn)要素：

1、所要解決的技術(shù)問題：

本發(fā)明旨在提供一種基于暗通道與白平衡結(jié)合的自適應(yīng)直方圖水下圖像增強方法，該方法先對圖像進(jìn)行白平衡處理，消除圖像偏色；然后利用暗通道模型，并根據(jù)該信息計算權(quán)重因子，與后續(xù)的自適應(yīng)直方圖增強算法進(jìn)行融合；具有計算簡單，實時性強的特點。

2、技術(shù)方案：

一種白平衡與暗原色的自適應(yīng)直方圖水下圖像增強方法，包括以下步驟：

步驟一：讀取水下圖像I(x,y)，其中(x,y)為圖像中像素的坐標(biāo)位置，利用動態(tài)閾值白平衡算法對圖像I(x,y)進(jìn)行色彩校正，校正后的圖像為I(x,y)'；

上述動態(tài)閾值白平衡算法進(jìn)行色彩校正的具體過程為：

1)將圖像I(x,y)從RGB顏色空間轉(zhuǎn)換為YC_bC_r顏色空間：分別計算圖像I(x,y)在YC_bC_r顏色空間內(nèi)C_b、C_r的平均值M_b、M_r以及絕對值方差D_b、D_r，其中，D_b、D_r的表達(dá)式為其中，C_b(i，j)，C_r(r，j)分別是圖像I(x,y)在YC_bC_r顏色空間中C_b、C_r在(i,j)處的藍(lán)色色度分量和紅色分量，N是圖像I(x,y)的像素總數(shù)。

2)計算近白區(qū)域，計算接近白色區(qū)域的所有像素點，表達(dá)式為

|C_b(i,j)-(M_b+D_b×sign(M_b))|＜1.5×D_b、|C_r(i,j)-(1.5×M_r+D_r×sign(M_r))|＜1.5×D_r

3)設(shè)一個“參考白色點”的亮度矩陣RL，若符合判別式，則作為參考白色點,并把該點(i,j)的亮度即Y分量值賦給RL(i,j)；若不符合，則該點的RL(i,j)值為0；

4)并將計算得到接近白色區(qū)域的所有像素點，按其亮度值從大到小依次排列。選擇前10％的亮度值作為接近白色區(qū)域的參考白點。并選取其中亮度最小值Lu_min；調(diào)整RL，若RL(i,j)<Lu_min，則RL(i,j)＝0；否則，RL(i,j)＝1；

5)分別把感興趣區(qū)域圖像的RGB三通道值與RL相乘，得到R2，G2，B2，計算R2，G2，B2的平均值Rav,Gav,Bav

6)計算圖像的最大亮度Ymax，公式為Ymax＝double(max(max(Y)))/15；

7)得到三通道增益Rgain＝Y(jié)max/Rav；Ggain＝Y(jié)max/Gav；Bgain＝Y(jié)max/Bav；

8)通過增益調(diào)整圖像的RGB值，得到調(diào)整后的三種顏色通道Ro,Go,Bo，Ro＝R*Rgain；Go＝G*Ggain；Bo＝B*Bgain；合成圖像I(x,y)'。

步驟二：利用于暗通道模型求出色彩校正后圖像I(x,y)'的暗通道圖I^dark(x,y)。

利用于暗通道模型計算出暗通道圖I^dark(x,y)的具體過程為：讀取I(x,y)'，求出圖像中每個像素RGB分量中的最小值，存入一副與原始圖像大小相同的灰度圖中，接著對該灰度圖進(jìn)行最小值濾波，得到I(x,y)的暗通道圖I^dark(x,y)。

步驟三：對暗通道圖像I^dark(x,y)進(jìn)行平均分塊，分為KxK塊，K為大于等于1的整數(shù)，其中的一個方塊圖像為Ω_i,j，計算出Ω_i,j的權(quán)重因子C_i,j。通常情況下把圖像沿橫坐標(biāo)分為8行，縱坐標(biāo)分為8列，記為8*8；在本階段中求出權(quán)重因子C_i,j是為了衡量方塊圖像Ω_i,j的景深關(guān)系。

在本步驟中，暗通道圖I^dark(x,y)計算方塊圖像Ω_i,j的權(quán)重因子C_i,j的過程為：分別求出相應(yīng)方塊圖像Ω_i,j內(nèi)的暗通道I^dark(x,y)的均值和最大值然后將該均值進(jìn)行歸一化，將歸一化后的值作為相應(yīng)塊的權(quán)重因子C_i,j為：

步驟四：利用CLAHE的方法對水下圖像I(x,y)'進(jìn)行處理；首先統(tǒng)計方塊圖像Ω_i,j的分塊直方圖Hist_i,j；其次根據(jù)分塊直方圖Hist_i,j分別計算分塊限制對比度直方圖和分塊對比度拉伸直方圖基于分塊限制對比度直方圖計算方塊Ω_i,j相對應(yīng)的灰度映射關(guān)系表基于分塊對比度拉伸直方圖計算方塊Ω_i,j相對應(yīng)的灰度映射關(guān)系表統(tǒng)計方塊圖像Ω_i,j的分塊直方圖Hist_i,j的過程為：對分塊內(nèi)各個像素區(qū)域內(nèi)對應(yīng)的像素點進(jìn)行排列，將像素值相同的像素點排在同一列，再將每一列像素點按像素值遞增的順序排列構(gòu)成直方圖；

所述步驟四中關(guān)于根據(jù)Hist_i,j計算分塊限制對比度直方圖的過程為：利用預(yù)先定義的閾值來裁剪直方圖以達(dá)到限制放大幅度的目的，并將這些裁剪掉的部分均勻的分布到直方圖的其他部分；

所述步驟四為對直方圖進(jìn)行對比度拉伸，該對比度拉伸是通過計算分段線性變換函數(shù)形式來實現(xiàn)對動態(tài)范圍的變換，以達(dá)到增強圖像對比度的效果，所述分段線性函數(shù)公式為：

其中x₁、x₂決定了需要轉(zhuǎn)換的灰度范圍，y₁、y₂決定了線性變換的斜率；

步驟四中基于分塊限制對比度直方圖計算方塊圖像Ω_i,j相對應(yīng)的灰度映射關(guān)系表的過程為：該映射關(guān)系是根據(jù)截至頻率及像素重新分配后的直方圖分布狀態(tài)來計算均衡化查找映射表；

基于分塊對比度拉伸直方圖計算方塊Ω_i,j相對應(yīng)的灰度映射關(guān)系表的過程為：通過計算分段線性變換的函數(shù)形式實現(xiàn)。

步驟五：利用權(quán)重因子C_i,j，和灰度映射關(guān)系表和融合計算出方塊Ω_i,j最終的灰度映射關(guān)系表Map_i,j

這步中將兩張映射表加權(quán)融合的原因是：限制對比度直方圖均衡方法(CLAHE)對圖像中景深較大區(qū)域的增強效果較好，對前景則存在一定程度的色彩失真；而傳統(tǒng)的對比度拉伸對前景圖像增強效果較好，對景深較大區(qū)域效果不佳。所以利用C_i,j對其進(jìn)行加權(quán)平均，既較好地增強了圖像，又還原和保持了前景色彩。

步驟六：采用雙線性插值算法逐個計算方塊圖像中每個像素對應(yīng)的灰度映射值，得到增強的方塊圖像，對相鄰方塊圖像與方塊圖像之間連接的的像素進(jìn)行插值計算，插值計算之后的圖像即為水下圖像I(x,y)增強后的圖像。

對相鄰方塊圖像與方塊圖像之間連接的的像素進(jìn)行插值計算的過程為：將圖像均勻分成等份矩形大小，如附圖5的右側(cè)部分所示(8行8列64個塊是常用的選擇)。然后計算每個塊的直方圖、CDF以及對應(yīng)的變換函數(shù)。這個變換函數(shù)對于塊的中心像素(附圖5中左側(cè)部分的黑色小方塊)是完全符合原始定義的。而其他的像素通過那些在其臨近的四個塊的變換函數(shù)插值獲取。位于圖中數(shù)字標(biāo)記為3部分的像素采用雙線性插值，而位于便于邊緣的(數(shù)字標(biāo)記為2)部分采用線性插值，角點處(數(shù)字標(biāo)記為1)直接使用塊所在的變換函數(shù)。

3、有益效果：

本發(fā)明先進(jìn)行色彩校正，消除圖像偏色，然后進(jìn)行圖像增強，不但可以消除圖像模糊效應(yīng)，增加圖像對比度，豐富了圖像細(xì)節(jié)，使得圖像得到增強，改善了視覺效果。具有較好的魯棒性。

本發(fā)明基于暗通道模型計算分塊景深權(quán)重因子，對水下圖像進(jìn)行分塊限制對比度直方圖均衡和對比度拉伸增強，并加入了權(quán)重因子進(jìn)行融合。在動態(tài)范圍和顏色恒常性都有良好的表現(xiàn)，本發(fā)明首次將暗原色先驗與直方圖均衡與對比度拉伸進(jìn)行融合，解決了水下彩色圖像偏色及圖像模塊等問題。

相比于暗通道算法，采用分塊直方圖計算以及雙線性插值還原方法，大大降低了每個像素映射關(guān)系計算的次數(shù)，只增加了一些雙線性插值的計算量。且可以采用并行計算方法，非常合適FPGA等硬件進(jìn)行工程化實現(xiàn)。

附圖說明

圖1為本圖像增強方法流程圖

圖2為將圖像I(x,y)的分塊示意圖

圖3為直方圖裁剪限幅示意圖

圖4為分段線性函數(shù)示意圖

圖5為圖像插值示意圖

具體實施方式

水下圖像在海洋能源勘探與開發(fā)、海洋考古、海洋環(huán)境監(jiān)測與保護(hù)等領(lǐng)域應(yīng)用廣泛，但由于水下環(huán)境特殊性，獲取的圖像質(zhì)量往往很差，難以用于后續(xù)的圖像分析與應(yīng)用。針對水分子以及水體顆粒對光線的散射所造成的水下圖像模糊效應(yīng)，本發(fā)明先進(jìn)行色彩校正，消除圖像偏色，然后進(jìn)行圖像增強，不但可以消除圖像模糊效應(yīng)，增加圖像對比度，豐富了圖像細(xì)節(jié)，使得圖像得到增強，改善了視覺效果。本發(fā)明對水下圖像進(jìn)行分塊限制對比度直方圖均衡和對比度拉伸增強，并加入了權(quán)重因子進(jìn)行融合。在動態(tài)范圍和顏色恒常性都有良好的表現(xiàn)，本發(fā)明首次將暗原色先驗與直方圖均衡與對比度拉伸進(jìn)行融合，解決了水下彩色圖像偏色及圖像模塊等問題。

圖1為本算法的流程圖，從圖中可以看出本算法借鑒傳統(tǒng)的CLAHE方法，為了簡化降低計算量，將圖像劃分為橫豎若干個K*K的方塊Ω_i,j進(jìn)行處理，

一種白平衡與暗原色的自適應(yīng)直方圖水下圖像增強方法，包括以下步驟：

步驟一：讀取水下圖像I(x,y)，其中(x,y)為圖像中像素的坐標(biāo)位置，利用動態(tài)閾值白平衡算法對圖像I(x,y)進(jìn)行色彩校正，校正后的圖像為I(x,y)'；

上述動態(tài)閾值白平衡算法進(jìn)行色彩校正的具體過程為：

2)將圖像I(x,y)從RGB顏色空間轉(zhuǎn)換為YC_bC_r顏色空間：分別計算圖像I(x,y)在YC_bC_r顏色空間內(nèi)C_b、C_r的平均值M_b、M_r以及絕對值方差D_b、D_r，其中，D_b、D_r的表達(dá)式為其中，C_b(i,j)，C_r(i,j)分別是圖像I(x,y)在YC_bC_r顏色空間中C_b、C_r在(i,j)處的藍(lán)色色度分量和紅色分量，N是圖像I(x,y)的像素總數(shù)。

2)計算近白區(qū)域，計算接近白色區(qū)域的所有像素點，表達(dá)式為

|C_b(i,j)-(M_b+D_b×sign(M_b))|＜1.5×D_b、|C_r(i,j)-(1.5×M_r+D_r×sign(M_r))|＜1.5×D_r

3)設(shè)一個“參考白色點”的亮度矩陣RL，若符合判別式，則作為參考白色點,并把該點(i,j)的亮度即Y分量值賦給RL(i,j)；若不符合，則該點的RL(i,j)值為0；

4)并將計算得到接近白色區(qū)域的所有像素點，按其亮度值從大到小依次排列。選擇前10％的亮度值作為接近白色區(qū)域的參考白點。并選取其中亮度最小值Lu_min；調(diào)整RL，若RL(i,j)<Lu_min，則RL(i,j)＝0；否則，RL(i,j)＝1；

5)分別把感興趣區(qū)域圖像的RGB三通道值與RL相乘，得到R2，G2，B2，計算R2，G2，B2的平均值Rav,Gav,Bav

6)計算圖像的最大亮度Ymax，公式為Ymax＝double(max(max(Y)))/15；

7)得到三通道增益Rgain＝Y(jié)max/Rav；Ggain＝Y(jié)max/Gav；Bgain＝Y(jié)max/Bav；

8)通過增益調(diào)整圖像的RGB值，得到調(diào)整后的三種顏色通道Ro,Go,Bo，Ro＝R*Rgain；Go＝G*Ggain；Bo＝B*Bgain；合成圖像I(x,y)'。

步驟二：利用于暗通道模型求出色彩校正后圖像I(x,y)'的暗通道圖I^dark(x,y)。

利用于暗通道模型計算出暗通道圖I^dark(x,y)的具體過程為：讀取I(x,y)'，求出圖像中每個像素RGB分量中的最小值，存入一副與原始圖像大小相同的灰度圖中，接著對該灰度圖進(jìn)行最小值濾波，得到I(x,y)的暗通道圖I^dark(x,y)。

步驟三：如附圖2所示對暗通道圖像I^dark(x,y)進(jìn)行平均分塊，分為KxK塊，K為大于等于1的整數(shù)，其中的一個方塊圖像為Ω_i,j，計算出Ω_i,j的權(quán)重因子C_i,j。通常情況下把圖像沿橫坐標(biāo)分為8行，縱坐標(biāo)分為8列，記為8*8；在本階段中求出權(quán)重因子C_i,j是為了衡量方塊圖像Ω_i,j的景深關(guān)系。

在本步驟中，暗通道圖I^dark(x,y)計算方塊圖像Ω_i,j的權(quán)重因子C_i,j的過程為：分別求出相應(yīng)方塊圖像Ω_i,j內(nèi)的暗通道I^dark(x,y)的均值和最大值然后將該均值進(jìn)行歸一化，將歸一化后的值作為相應(yīng)塊的權(quán)重因子C_i,j為：

步驟四：利用CLAHE的方法對水下圖像I(x,y)'進(jìn)行處理；首先統(tǒng)計方塊圖像Ω_i,j的分塊直方圖Hist_i,j；其次根據(jù)分塊直方圖Hist_i,j分別計算分塊限制對比度直方圖和分塊對比度拉伸直方圖基于分塊限制對比度直方圖計算方塊Ω_i,j相對應(yīng)的灰度映射關(guān)系表基于分塊對比度拉伸直方圖計算方塊Ω_i,j相對應(yīng)的灰度映射關(guān)系表

統(tǒng)計方塊圖像Ω_i,j的分塊直方圖Hist_i,j的過程為：對分塊內(nèi)各個像素區(qū)域內(nèi)對應(yīng)的像素點進(jìn)行排列，將像素值相同的像素點排在同一列，再將每一列像素點按像素值遞增的順序排列構(gòu)成直方圖；

所述步驟四中關(guān)于根據(jù)Hist_i,j計算分塊限制對比度直方圖的過程為：利用預(yù)先定義的閾值來裁剪直方圖以達(dá)到限制放大幅度的目的，如附圖3所示，并將這些裁剪掉的部分均勻的分布到直方圖的其他部分；

所述步驟四為對直方圖進(jìn)行對比度拉伸，該對比度拉伸是通過計算分段線性變換函數(shù)形式來實現(xiàn)對動態(tài)范圍的變換，以達(dá)到增強圖像對比度的效果，分段線性函數(shù)曲線見附圖4所示，所述分段線性函數(shù)公式為：

其中x₁、x₂決定了需要轉(zhuǎn)換的灰度范圍，y₁、y₂決定了線性變換的斜率；

步驟四中基于分塊限制對比度直方圖計算方塊圖像Ω_i,j相對應(yīng)的灰度映射關(guān)系表的過程為：該映射關(guān)系是根據(jù)截至頻率及像素重新分配后的直方圖分布狀態(tài)來計算均衡化查找映射表；

基于分塊對比度拉伸直方圖計算方塊Ω_i,j相對應(yīng)的灰度映射關(guān)系表的過程為：通過計算上述分段線性變換的函數(shù)形式實現(xiàn)。

步驟五：利用權(quán)重因子C_i,j，和灰度映射關(guān)系表和融合計算出方塊Ω_i,j最終的灰度映射關(guān)系表Map_i,j

這步中將兩張映射表加權(quán)融合的原因是：限制對比度直方圖均衡方法(CLAHE)對圖像中景深較大區(qū)域的增強效果較好，對前景則存在一定程度的色彩失真；而傳統(tǒng)的對比度拉伸對前景圖像增強效果較好，對景深較大區(qū)域效果不佳。所以利用C_i,j對其進(jìn)行加權(quán)平均，既較好地增強了圖像，又還原和保持了前景色彩。

步驟六：采用雙線性插值算法逐個計算方塊圖像中每個像素對應(yīng)的灰度映射值，得到增強的方塊圖像；如附圖5所示，對相鄰方塊圖像與方塊圖像之間連接的的像素進(jìn)行插值計算，插值計算之后的圖像即為水下圖像I(x,y)增強后的圖像。