基于人类视觉系统的水下图像质量评价方法

目前水下图像质量评价方法虽然准确性较高,但与人类主观评价相关性较低,难以实现高质量的评价。针对该问题,提出一种基于人类视觉系统进行水下图像质量评价的UIQA方法。将基于CIELab表色系的色彩饱和度、基于暗通道理论的亮度对比度和图像清晰度3个测量分量进行线性组合,来评价不同场景的水下图像质量,并将评价结果与采用UIQM方法和UCIQE方法得到的结果进行对比。实验结果表明,与UIQM方法和UCIQE方法相比,采用UIQA方法得到的水下图像质量评价结果与主观评价结果具有高度一致性,与人类主观评价相关性更高。

改进直方图匹配和自适应均衡的水下图像增强

为了更有效地改善水下图像的颜色,进一步提升图像的对比度和清晰度,提出改进直方图匹配和自适应均衡的水下图像增强方法。以像素均值最大的通道图像的直方图作为基准,对各通道图像分别进行直方图匹配,校正水下图像的颜色偏差;充分利用HSI颜色空间中颜色分量与明度分量的独立性,对明度分量进行自适应的局部直方图均衡化,进一步提升图像的对比度和清晰度。主、客观的实验数据显示,相对于部分现有方法,本文方法对水下图像增强后的视觉效果更优,信息熵、平均梯度、水下图像质量指标(Underwater Image Quality Measures,UIQM)和结构相似性指数(Structural Similarity Index Measure,SSIM)的值更高。因此,本文方法对水下图像具有更有优的增强效果。

面向质量提升的水下图像增强集成融合模型

水下图像存在因介质散射和吸收而引起的颜色失真、能见度低等问题,极大地限制了水下图像的应用。传统的水下图像增强模型很难同时实现色彩修正、对比度提升和去模糊,导致增强后的图像适应性不强。为此,提出了一种面向综合质量提升的水下图像增强集成融合模型(EFUIE),以全面提升水下图像质量。将原始图像分别通过MSRCR,Sea Thru,CLAHE和UDCP 4种图像增强算法预处理,然后利用主成分分析作为融合规则将小波高低频信息进行融合,从而将4种算法的权重进行有效集成,最终得到优化后的增强图像。在UIEB数据集上与目前较流行的11种水下图像增强模型结果进行比较,Entropy值、UIQM值和平均梯度值相对于性能第二的模型分别提高了0.844,1%和2.381。所提出的EFUIE模型,集成了传统水下图像增强算法的优势,在图像色彩、对比度、清晰度方面均有提升。

一种基于色彩补偿的水下图像综合增强算法

针对退化的水下图像在高级视觉分析任务中无法进行有效的目标检测及识别的问题,提出了一种通过色彩补偿和对比度拉伸,HSV空间γ校正和亮度通道去模糊系列方法实现了对水下图像的色彩校正、色彩对比度、饱和度和细节清晰度的综合提高。其中,提出了基于高斯滤波的亮度通道去散射方法,并对典型水体水下图像综合增强参数进行了分析。实验对比了综合增强方法和其他增强方法对偏蓝、偏绿、偏黄、白色近岸浅滩水下图像的处理结果并通过目标检测网络对7种算法增强后的水下图像数据集进行训练与测试,对比了平均水下目标识别准确率和检测到的目标数量与实际目标数量的比值来评估各个增强算法对于水下目标识别和检测任务中的作用。实验表明,与现有方法相比,该算法不仅可以有效地实现各类水下图像清晰度和色彩增强,适用范围广,而且可以有效地提高水下图像目标识别任务的准确率和检测数量。

基于分类与最小卷积区域暗通道先验的水下图像恢复

为了解决水下图像在复杂水体中表现的画面模糊和颜色失真的问题,提出了一种基于HSV分类、CIELAB均衡与最小卷积区域暗通道先验(DCP)的水下图像恢复算法。基于H与S阈值将水下图像分为高饱和度失真图像、低饱和度失真图像及浅水图像等3类。分类后的水下图像分别经CIELAB均衡及自适应图像增强恢复,其中水下成像系统参数通过最小卷积区域DCP估计。实验结果表明,所提算法在图像恢复效果、评价质量和实时性指标上均优于对比算法,其中峰值信噪比和结构相似指数值分别平均提升了26.88%和17.3%,水下彩色图像质量评价值提升了4.3%。

水下光学图像重建方法研究进展

水下光学图像可以提供直观丰富的海洋信息,近年来在海洋资源开发、环境保护和海洋工程等诸多领域发挥越来越重要的作用。但是受恶劣复杂的水下成像环境影响,水下光学图像普遍存在对比度低、图像模糊以及颜色失真等质量退化问题,严重制约水下智能处理系统的性能和应用。如何清晰地重建水下光学图像是国内外广泛关注的、具有挑战性的难点问题。随着深度学习技术的蓬勃发展,利用深度学习来提升水下图像质量成为当前的研究热点。鉴于目前国内在水下光学图像重建方面的研究综述较少,本文全面综述其研究进展。分析了水下图像退化机理,总结了现有水下成像模型以及水下图像重建的挑战;梳理了水下光学图像重建方法的发展历程,根据是否采用深度学习以及是否基于成像模型,将现有方法分为4大类,并按照研究发展顺序,依次介绍4类方法的基本思想,分析其优缺点;归纳了目前公开的水下图像数据集以及常用的水下图像质量评价方法,并对8种典型的水下图像重建方法进行了性能评测和对比分析;总结了该领域目前仍存在的问题,展望了后续研究方向,以便于相关研究人员了解该领域的研究现状,促进该领域的技术发展。