融合暗通道与Retinex算法的水下图像复原研究

针对水下图像存在细节模糊和色彩失真等问题,基于水下光学成像模型,提出了一种融合暗通道先验和Retinex的方法。首先为避免场景中亮白区域影响,提出一种基于四叉树分解方法改进对背景光的估计,进一步分通道对透射率进行估计,引入自适应容差补偿机制,根据图像区域的明亮程度自适应修正透射率,并利用改进的导向滤波细化透射率,消除了图像块效应,利用优化的暗通道先验算法对图像进行清晰化处理得到复原图像;其次用Retinex算法提高水下图像对比度以及校正颜色畸变;然后依据复原图像与Retinex算法增强图像的特点进行像素级融合,最终得到复原后的水下图像。为定量评价复原算法,选取了信息熵、平均梯度和UIQM定量化评价因子。实验结果表明,所提算法在主观及客观评价方面均优于对比算法,为后续水下目标探测提供了研究基础。

结合色彩补偿与双背景光融合的水下图像复原

针对复杂成像环境下,水下图像存在颜色失真、细节模糊以及对比度低的问题,提出结合色彩补偿与双背景光融合的水下图像复原方法。通过分析光在水中的吸收衰减特性,提出改进的水下成像模型,基于Retinex理论与白平衡算法引入色彩补偿分量,降低水体背景颜色影响;根据背景光强度和颜色分布特性,提出双候选背景光融合方法,准确估计全局背景光;不依赖任何水体环境参数,根据背景颜色与散射系数的内在关系,采用引导-高通滤波,优化并增强各通道透射率;最后,逆求解成像模型复原水下图像。实验结果表明,在4个不同的水下数据集上与经典及新颖方法对比,所提方法恢复的图像颜色更自然,纹理细节更丰富清晰;色差值改善幅度达5.4%,UCIQE及FDUM指标提升幅度分别达8.3%和4.5%。所提方法在定性和定量实验中更具优势,能够显著提高水下图像质量。

基于水体衰减系数反演的水下图像复原方法

光在水中传输时容易受到水体和水中微粒的吸收和散射作用,造成成像模糊和颜色失真,导致水下图像质量有待提高。提出一种基于水体衰减系数反演的图像复原新方法,不预设水体类型和波长值,而是通过图像反演求得最符合图像特征的衰减系数。对图像去除垂直衰减色差,使描述水下图像强度规律的先验信息能更准确地反映水平方向的光传输特性,提升背景光估计和场景深度估计的准确性。利用水下图像的雾化模糊特征、红通道分量衰减特征以及通道间衰减差异特征得到水下图像场景深度的融合估计结果,依据像素场景深度与水下成像模型,通过非线性拟合直接反演出水下图像的衰减系数,并基于灰度世界假设对衰减系数进行优化,以完成传输率求解,实现图像复原。最后,使用非锐化掩膜增强图像,凸显细节信息,提升视觉效果。实验结果表明,与SMBOT、IBLA、ULAP、UDCP方法相比,该方法在RUIE数据集上的复原图像信息熵平均值分别提升了4.9%、5.4%、9.2%、17.9%,能较好地提升图像整体视觉效果。

基于改进引导滤波算法的水下图像复原

针对水下图像对比度低,细节模糊,存在颜色偏差的问题,提出一种基于改进引导滤波的水下图像复原算法。将红通道进行反转得到新的水下模型,利用红色暗通道图估计背景光;通过饱和度估计粗透射率图,利用改进的引导滤波算法对透射率图进行细化;对恢复后的图像进行图像增强处理。使用该算法与几种水下图像处理算法对多种水下环境中的图像进行处理,比较视觉效果和UCIQE等评价指标。实验结果表明,算法可以有效复原出清晰图像,校正颜色失真,提高对比度,增强细节,且对人工光源区域也同样适用。

基于监督学习的水下图像复原方法研究

近年来,各国对海洋保护和开发越来越重视,众多研究机构和学者开始关注水下信息可视化技术的研究。针对水下图像的质量退化问题,文中引入深度学习方法,提出数据驱动的水下图像复原的网络模型FNCNN。首先,介绍了水下图像清晰化方法的原理;其次,设计基于监督的水下图像复原网络模型、目标函数和图像合成方法;最后,给出网络模型的训练数据集,对所提网络模型在真实的水下图像数据集上进行比较验证,对结果进行分析。结果表明,FNCNN网络模型的结果表现出了很好的效果。

融合暗原色先验和稀疏表示的水下图像复原

由于水下图像成像过程中受光的散射、噪声干扰等因素影响,致使图像质量严重退化。为了去除模糊和抑制噪声,改善水下图像质量,该文提出一种融合暗原色先验和稀疏表示的水下图像复原新方法。该方法首先利用暗原色先验理论计算水下图像的暗原色,然后基于稀疏表示理论对暗原色进行去噪和优化,基于改进后的暗原色计算水体透射率和光照强度以计算最终复原结果,可以同时达到去模糊和去噪的良好效果。实验结果表明,提出的方法有效提高了图像的平均梯度和信息熵等图像像素,从而改善了图像的质量。

基于散射模型的水下图像复原

水下图像的衰减度与成像距离有直接关系.为了在没有精确深度图情况下有效恢复水下图像,提出基于散射模型的分段映射方法.研究了水下光线的散射模型,探讨了水下图像的衰减规律;利用水池试验数据采用直线拟合法建立散射模型;提出基于散射模型的分段映射法.为避免求解精确深度图,利用映射约束条件及少量先验信息导出多级离散深度值,从而构建出从退化图像到真实图像的分段映射函数.恢复结果表明,所提方法增加了图像整体对比度,突出了图像细节,明显提高了图像质量.

基于雾线暗通道先验的水下图像复原方法

水下环境会对可见光的传播过程造成吸收和散射影响,从而引起水下图像画质模糊、颜色失真、对比度低等问题。为此,提出一种基于雾线暗通道先验的水下图像复原方法。该方法使用雾线模型进行去模糊操作,在背景光预估时,结合结构森林边缘检测方法红通道信息获得准确的背景光值,并且通过暗通道先验模型和导向滤波算法优化透射图。经图像质量评价标准的客观分析,文中算法能够有效提升画质和对比度,还原色彩信息。

结合改进红通道先验与幂律校正CLAHE的水下图像复原方法

针对水下降质图像复原过程中,存在背景光预估偏差及对比度失衡的问题,提出一种水下图像复原方法。首先根据超像素图像分割方法确定背景光区域及取值,然后采用红通道先验理论求取预估透射率,获得初步复原图像;最终通过归一化幂律校正的限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization,CLAHE)算法增强复原图像的颜色。使用3种图像质量评价标准对实验结果进行客观分析,结果表明,该方法可以有效均衡对比度,提高可视化效果。

基于透射率融合与优化的水下图像复原

由于光与水体介质的相互作用的固有复杂性,所拍摄的水下场景图像发生降质退化,这导致诸如水下图像的低对比度以及色彩失真等问题.尤其是对于污染较为严重或者高浑浊度水体下获得的图像,典型的水下图像处理方法有一定的性能缺陷,而其根本原因在于其无法对于散射造成的色彩失真问题进行有效处理,同时也未充分考虑对比度信息带来的影响.因此,本文提出了一种透射率融合与优化方法,并由此给出有效的水下图像复原方案.该方案考虑各通道在水下衰减差异性,建立了基于颜色衰减差异的水下图像形成模型,其场景环境光由成像光源计算得到.首先,利用色彩校正算法来处理水下图像存在的色彩失真的问题,并利用灰度色调算法对场景光源的颜色进行估计;接着,基于水下场景约束,提出水体透射率估计方法,同时基于对比度先验提出对比度透射率估计算法;然后,将上述两种透射率进行融合,并使用多方向梯度加权正则化进行细化;最后,通过求解基于颜色衰减差异的水下图像形成模型复原图像.通过多次实验,所提出的基于透射率融合优化的水下图像复原方法得到的图像不仅具有相对自然的颜色,同时保持着良好的细节和对比度信息.

一种红通道反转的水下图像复原算法

由于水体对光的选择性吸收以及杂质对光的散射效应,导致水下图像色彩失真以及对比度下降,针对这一问题,提出了一种改进的水下图像复原算法.该方法通过将图像红通道反转来避免红通道快速衰减的影响,将暗通道先验用于红通道反转图像的复原,并利用背景光强度修正各通道透射率,在复原过程中采用了一种简单的自动白平衡算法去除严重的色彩失真.实验结果表明,算法能有效复原出清晰图像,去除颜色失真,且对人工光源照射区域同样适用.

基于自适应透射率比的水下图像复原算法

为了解决水下图像模糊和偏色的问题,在水下图像成像模型的基础上提出水下图像复原算法.利用白平衡算法对图像进行色彩调整,计算图像的暗通道图,通过暗通道图估计图像的背景光强度.对于非深海区域的图像,若图像包含水体,则根据水体的颜色和纹理特征提取出图像中的水体部分,利用光在水中的衰减公式计算图像3个通道透射率之间的关系;若图像不包含水体,则根据3个通道直方图的分布计算透射率之间的关系.根据暗通道先验的原理,计算出3个通道的透射率图,使用引导滤波对透射率图进行细化.根据计算出的背景光强度和透射率对图像进行复原.对于采用人工照明的深海图像,采用修正的公式进行处理.实验结果表明,在图像清晰度的评价中,该算法优于对比算法,具有较好的鲁棒性.

基于偏振成像的水下图像复原技术研究最新进展

在水下环境中,悬浮的散射颗粒对光场的散射和吸收作用导致成像清晰度显著下降。基于偏振成像的水下图像复原技术是实现水下清晰成像的有效方法之一。该技术利用散射光的偏振特性,分离场景光和散射光,估计散射光强和透射系数,实现成像清晰化。近年来,偏振成像技术已广泛、高效地应用于水下图像复原和水下目标识别等诸多领域。水下偏振图像复原技术作为光学成像技术和图像处理技术的交叉领域,引起了广泛的关注并取得了大量优秀的研究成果。文中主要介绍了基于偏振成像的水下复原技术的基本原理、偏振信息处理方法和最新发展现状,综述了近年来偏振水下图像复原技术代表性的改进型方法。

水下图像增强与复原技术进展与展望

近年来,水下图像增强与复原技术已成为促进水下目标检测、海洋生物识别、海底测绘等领域发展的重要手段,具有重要的学术意义与应用价值.首先,回顾并分析了水下成像机理,同时指出了当前水下成像技术由硬件设备、气候约束、人造光源以及粒子干扰这4个方面所带来的难点与挑战;其次,全面介绍了水下图像增强与复原技术相关工作,分析了2种技术的联系与区别,同时从技术路线的角度对当前主流水下图像增强与复原方法进行了详细的分类与讨论,并通过实验指明了不同分类方法的各自特点;再次,总结了常用的水下图像数据集与图像评价指标,从数据支撑以及质量评估的方面为当前水下图像增强与复原工作提供了全面翔实的技术指导;最后,预测并分析了未来水下图像增强与复原技术在应用场景、降质方式以及评价指标3个方面的可行发展方向,尤其指明了当前人工智能在水下图像增强与复原领域中所能发挥的巨大潜力以及实用价值.

基于四叉树分级搜索和透射率优化的水下图像复原

针对不同场景下获得的水下图像存在色偏、细节模糊和对比度低等问题,提出一种基于四叉树分级搜索和透射率优化的水下图像复原方法。首先,建立双透射率水下成像模型,将透射率定义为直接分量透射率和后向散射分量透射率;然后,利用红通道补偿算法对原图像进行预处理,并利用四叉树分级搜索、改进暗通道先验和无退化像素点方法分别估计背景光强度、后向散射分量透射率和直接分量透射率;最后,通过逆求解成像模型,并采用满足瑞利分布的直方图拉伸获得复原图像。实验结果表明,与其他水下图像复原方法相比,所提方法对在强干扰环境下采集的水下图像有着更强的颜色失真校正以及模糊信息增强的能力。

基于场景深度估计和背景分割的水下图像复原

针对水下图像对比度低、颜色失真、可见度低等问题,提出了一种基于场景深度估计和背景区域分割的复原方法。首先,利用多方向斜梯度算子和各颜色通道的衰减差估计图像的场景深度。然后,利用场景深度估计过程中得到的梯度和色差信息将图像的背景与前景区域分离,并分别在背景和前景区域估计背景光和透射率。在得到背景光和透射率图后,基于水下成像模型对前景区域进行场景恢复,同时采用在HSV颜色空间直方图拉伸的方法对背景区域进行对比度增强。最后,通过设置过渡区域权重图对前景和背景进行融合得到最终的复原结果。实验结果表明,所提方法能更准确地估计背景光和透射率,在对比度增强、色彩修正及清晰度提升等方面具有良好的性能。与经典的方法对比,所提方法在UIQM、UCIQE、FDUM和FADE等4个客观质量评价指标上的提升均超过15%。

基于全变分和颜色平衡的水下图像复原

针对水下图像存在的雾化、模糊和颜色失真问题,提出一种基于全变分和颜色平衡的水下图像复原方法。以完整水下光学成像模型为基础,分别结合四叉树细分法与光在水中传播特性估计背景光,利用水下中值暗通道先验估计透射率,并采用共轭梯度和迭代最小二乘法估计模糊核。为提高计算效率,引入交替方向乘子法对变分能量方程进行逆求解得到去雾、去模糊的图像。在此基础上,在YCbCr空间采用颜色平衡算法对颜色通道进行补偿以校正色彩失真。与6种流行的水下图像增强和复原方法进行比较,实验结果表明,所提方法可以有效地去除雾化和模糊、校正色偏、恢复出清晰、色彩真实的水下图像。

基于非线性信道先验的水下盲图像复原方法

为了将水流干扰下的运动模糊图像恢复成清晰图像,提出基于非线性信道先验的水下盲图像复原方法。第一,利用差异通道增益对红色通道进行初始补偿,估计出精确的环境背景光;第二,求取红通道的粗略传输图,对初始传输图进行导向滤波处理得到精准的透射率;第三,在红、绿、蓝三通道中附加各自通道的环境背景光来统一上述透射率,利用补偿屏蔽的方式合并得到去雾的水下盲图像;第四,基于非线性信道先验获得去雾水下盲图像的初始复原图像,将初始复原图像、模糊核以及潜在清晰图像经过多次迭代计算得到最终的水下复原图像。实验结果表明,与水下暗通道先验算法、水下retinex增强以及水下归一化总变分方法相比,所提方法在Ancuti数据集上的水下图像评价指标值分别提升了21.7%、10.9%、26.5%,对水流干扰下的运动模糊图像有较好的复原效果。

基于背景光估计与透射率优化的水下图像复原

针对水下图像颜色失真与模糊问题,提出了基于背景光估计与透射率优化的水下图像复原算法。该算法将透射率定义为直接分量透射率和后向散射分量透射率,有效提升成像模型的完整性。先对红色衰减分量进行补偿并重置直方图分布范围实现色彩均衡;基于亮度、梯度判别及色调判断选出最佳背景光点;再通过红色暗通道先验得到后向散射分量透射率,利用无退化像素点求得直接分量透射率;最后将两个透射率及所求背景光代入成像模型中以获得复原图像。实验结果表明,所提算法能够有效平衡图像的色度、饱和度及清晰度,视觉效果接近自然场景下的图像。

基于光衰减先验和背景光融合的水下图像复原

针对水下图像存在颜色失真和视觉模糊等问题,提出基于光衰减先验和背景光融合的水下图像复原算法。首先通过最大强度先验计算背景光一,基于图像四叉树的方法估计背景光二,根据水下图像光照的亮暗情况对两个局部背景光进行融合,确定全局背景光;其次根据光衰减先验估计场景的相对深度,进而计算三个通道的透射率;然后逆求解水下光学成像模型以消除后向散射;最后结合限制对比度自适应直方图均衡算法以更好地校正水下图像的颜色畸变,最终得到复原后的水下图像。与4种具有代表性的水下图像复原方法进行主客观评价对比实验。实验结果表明,所提算法可以有效去除水下图像的视觉模糊,视觉效果更接近自然场景中的图像。