基于LED辅助照明的水下图像增强算法研究

康艳梅，陈名松，何志毅

(桂林电子科技大学信息与通信学院，广西 桂林 541004)

责任编辑:任健男

由于海洋资源十分丰富，各国都非常重视海洋资源的勘查和开采，水下目标探测成像技术顺势快速发展。为了增加水下成像距离和增强水下图像质量，需要引入辅助照明光源，以主动补光的方式照明目标［1］。选用LED作为水下成像系统的辅助光源，原因是基于LED光源具有低功耗、高亮度等优点，且其光波长范围可以匹配水的低损耗窗口，满足水下成像系统对光源的要求。

但高亮度的LED在提高水下成像系统性能的同时，不仅会加强散射效应的影响，而且会增加整个成像场景光照的非均匀性，即在水下图像中央产生亮斑，在中央的周围区域光照暗淡。

本文主要是在MATLAB软件平台上，研究同态滤波和小波阈值滤波相结合的水下图像增强算法。本文将两种算法的优点加以结合，以便于改善图像光照均匀性［1］，有效滤除图像噪声，增强图像对比度，对水下成像系统具有一定的实际应用价值。

1 水下成像系统的原理与图像特点分析

1.1 水下成像系统简介

水下成像系统原理框图如图1所示。

由于水下成像环境极其恶劣，成像距离短和成像质量差是水下成像系统存在的主要问题。

图1 水下成像系统原理框图

成像距离短是由于光在海水这种介质传播时会发生强烈的衰减，光照度低。根据Lambert－Beer实验定律，光强度的衰减跟海水的性质和光波长有关，呈指数变化，光强度I在距离为r时可以表示为

式中:I(r)是通过距离r后的光强;I(0)是初始光强;r是光传播的距离;cλ是总的衰减系数。其中总的衰减系数可表示为

式中:cλ是总的衰减系数;aλ是吸收系数;sλ是散射系数。

总的衰减系数是一个随波长变化而改变的量。海水对波长范围在430～480 nm波段中的蓝绿光的总衰减系数比其他光波段的要小。通常称此波段为海水的低损耗窗口。因此，在研究水下成像系统的辅助照明光源时，采用波长在低损耗窗口的蓝绿光作为辅助照明光。

总的衰减特性是由于吸收特性和散射特性联合影响，吸收导致光能量减少，散射导致光子传播路径改变。在成像系统中，采用大功率蓝光LED作为辅助照明光源减少水对光的吸收效应，扩大成像距离。

在引入LED辅助照明光源时，随着LED光功率的增大，水对光的散射现象更加严重，散射光强也越强。散射光是导致水下图像变差的主要因素之一［2］。

散射光分为前向散射光和后向散射光，前向散射光主要导致水下图像特征不清晰。而后向散射光增加了水下成像背景光的幅度，降低了水下图像的对比度。后向散射现象严重时，强烈的后向散射光使光接收器产生饱和而无法成像。在水下成像系统中，应用距离选通成像技术可以有效克服后向散射对水下成像的影响。

1.2 水下图像的主要特点

水下成像环境差和成像系统性能的限制，水下图像仍有如下问题［3］:

1)LED辅助照明光源发出的光准直性差，在成像场景中光场分布不均匀，反映到水下图像上就是背景亮暗分布具有较大差异;

2)在水体对光的吸收特性、散射特性作用下，水下图像的细节特征不清晰，图像对比度低;

3)由于光接收器产生光电子低频噪声，导致水下图像质量进一步恶化，信噪比低。

具有光照非均匀性、对比度差、信噪比低等特点的水下图像无法满足人们的实际需求。因此有必要采用相应的图像增强处理技术，进一步提高水下图像的应用价值。

2 关于水下图像滤波去噪算法的研究

图像增强的方法主要有:1)空域增强方法，例如均值滤波、直方图规定化、中值滤波;2)频域增强方法，例如理想低通滤波、wiener滤波、同态滤波;3)小波阈值去噪法;4)PDE去噪;5)神经网络去噪。

2.1 同态滤波

水下成像系统中因LED光准直性差，照射到成像目标上的照度不均，使得水下图像亮暗不均匀。本文采用同态滤波法［4］，主要是通过对图像作非线性处理，改善水下图像由光照引起的非均匀性。

在水下成像模型中，图像f(x，y)可表示为光源产生的照明分量i(x，y)和反射分量n(x，y)的乘积形式。即三者的关系是

在理想的情况下，照明分量i(x，y)是一个常数，图像f(x，y)可以不失真地反映i(x，y)。但是，在水下光场照度分布不均匀，i(x，y)随空间域而缓慢变化，在频谱上其能量集中在低频段。反射分量n(x，y)随景物细节而变化，在频谱上其能量集中在高频段。

同态滤波算法应用于水下图像处理，该方法是在频域中通过滤波函数处理水下图像的高低频成分，同时压缩水下图像的亮度范围，将图像的光亮度均匀化，同时增强水下图像的对比度。同态滤波算法的流程图如图2所示。

图2 同态滤波算法方框图

图2中，ln是对图像进行对数运算，FFT是离散傅里叶变换，H(u，v)线性高通滤波器，IFFT傅里叶逆变换，exp取指运算，f(x，y)是初始图像，g(x，y)是经过同态滤波处理后的图像。

设计同态滤波函数，以及选取恰当的同态滤波函数的参数是同态滤波器有效改善图像质量的核心问题。本文实验中将H(u，v)设计成一种改进的巴特沃斯同态滤波器，可以有效压缩图像灰度的动态范围，增强图像的对比度。

式中:γh＞1代表增强高频分量，γl＜1代表减小低频分量。本实验C=50，D(u，v)是频率(u，v)到滤波器中心(u0，v0)的距离。D0是当 (u0，v0)=(0，0)时 D(u，v)的值，表示截止频率，D0的近似公式为［5］

式中:α =0.3～0.6。

2.2 基于双正交小波变换的阈值滤波法

本文提出基于双正交小波变换的阈值滤波算法处理水下图像，滤除水下图像在成像过程中形成的噪声，同时又能保留水下图像的细节信息。

2.2.1 小波阈值滤波的步骤

小波阈值滤波的具体步骤如下［6］。

1)在小波变换域内，对水下图像进行二维变换，在不同的频带上，大致分开图像信息和噪声，在这个过程需要着重考虑几个问题:

(1)选择适合的小波基。选择不同的小波基，图像降噪的效果不一样。常用的小波基有Haar小波、Daubechies小波、SymletsA小波族、Biorthogonal小波族(双正交波)、Coiflet小波族。双正交滤波器［7］组具有线性相位特征而被图像处理广泛选用。

(2)选择恰当的小波基的阶数。小波基的阶数表征处理信号局部特点的能力。阶数越高处理能力越强，计算量也变大。因此实验中选取3～5阶。

(3)确定小波分解层数。小波分解层数以图像中的含噪量而定，当图像中含噪量大时，分解层数多;当图像中含噪量少时，分解层数少。

(4)小波变换。选定合理小波基、小波基的阶数、小波分解层数后进行小波变换，就可得到各阶频带下的信号分量。

2)确定阈值。小波阈值滤波的中心问题就是确定阈值的大小。

3)阈值函数的选取。

4)小波逆变换。在小波变换域内，及经过阈值处理的系数进行重构，得到滤波后的图像。

5)根据图像评价指标或者视觉效果判断滤波后的图像，如果图像质量得到较好的改善，则滤波结束，否则返回到步骤1)或步骤2)。

2.2.2 阈值函数的选取

对各阶层的图像信号和噪声进行阈值处理，这个过程是阈值函数的实现过程。

1)硬阈值(Hard Thresholding)

在小波变换域内，无论是图像还是噪声的系数，其绝对值小于阈值时，令系数为0，而绝对值大于阈值时，保持系数值不变，即

2)软阈值(Soft Thresholding)

在小波变换域内，图像或噪声系数的绝对值小于阈值时，令系数为0，而绝对值大于阈值时，令系数都减去阈值，即

2.2.3 阈值的选取

阈值大小的确定是小波阈值滤波中关键的一步。阈值对图像去噪的效果起到了决定性的作用。如果选取的阈值过大，则去除噪声的同时，滤除有用的成分，造成失真;如果选取的阈值过小，则不足以完全去除噪声含量，达不到去噪效果。

3 实验结果与分析

本文首先用同态滤波和小波阈值滤波单独对水下图像进行处理，并进行仿真实验，将滤波结果进行比较。本文选用双正交小波bior1.3对图像进行3层分解进行小波阈值滤波。然后结合同态滤波和小波阈值滤波的优点处理水下图像。

这里采用峰值信噪比(PSNR)和均方差(MSE)来做评价指标，峰值信噪比和均方差的表达式分别为

式中:M和N分别是x和y方向图像像素点的个数，f(i，j)和g(i，j)分别是原始图像和恢复图像在(i，j)点上的取值。MSE越小，峰值信噪比越大，恢复图像的清晰度越高，视觉效果越好。

3.1 空域和频域处理水下图像的实验结果

图3所示为水下图像的原始图像，经过直方均衡法、中值滤波法、同态滤波法处理后的水下图像分别如图4、图5、图6所示。

图3 原始图像

图4 直方图均衡

频域和空域图像增强算法的峰值信噪比(PSNR)和均方差(MSE)如表1所示。

表1 水下图像处理后评价指标比较

实验结果表明，经同态滤波处理后的水下图像光照均匀性得到改善。

3.2 经小波阈值滤波的实验结果

分别选用正交小波db2和双正交小波bior1.3对水下图像进行3层分解，选用软阈值函数［8］，对图像进行全局阈值和分层阈值处理，处理实验结果如表2所示。

表2 水下图像经小波软阈值滤波处理后评价指标比较

再分别选用正交小波db2和双正交小波bior1.3对水下图像进行3层分解，选用硬阈值函数，对图像进行全局阈值和分层阈值处理，处理实验结果如表3所示。

表3 水下图像经小硬软阈值滤波处理后评价指标比较

通过表2和表3的实验数据可以看出:对于全局阈值滤波来说，图像处理的效果相差不大;对于分层阈值滤波来说，选用硬阈值函数，双正交小波可以得到最大的信噪比。双正交小波的优点是其具有线性相位滤波器，把水下图像变换到小波域时，只改变图像信号的幅值，不改变图像信号的频率分布，为图像完全重构提供了保证，较好地保留了图像的边缘信息。在滤除噪声方面，双正交小波也优于正交小波。

3.3 本文方法实验结果

经同态滤波和小波阈值滤波相结合处理后的图像，实验结果如图7所示。

图7 本文方法处理后的图像

水下图像经本文方法处理后的评价指标PSNR=50.016 7 dB，MSE=0.736 5。通过峰值信噪比和均方差的实验数据比较可以表明，本文结合同态滤波和小波阈值滤波的优点处理水下图像，图像质量得到更佳的改善。

4 结论

本文通过分析水下图像的特点，针对水下图像光照不均匀、对比度低、噪声严重等特点采取了不同滤波方式进行相应处理。对获得的水下图像用同态滤波改善了图像的光照的均匀性，再结合双正交小波阈值滤波的优点除图像的噪声，同时提高了图像的对比度。通过实验结果分析，本文的方法对改善水下图像质量有一定的实用价值。

［1］PRABHAKAR C J，PRAVEEN K P U.Underwater image denoising using adaptive wavelet subband thresholding［C］//Proc.2010 IEEE International Conference on Signal and Image Processing.［S.l.］:IEEE Press，2010:322－327.

［2］齐平平，陈名松.水下激光成像的图像预处理技术［J］.微计算机信息，2008(7):24－26.

［3］蓝国宇，李建，籍芳.基于小波的水下图像后向散射噪声去除［J］.海洋技术，2010(2):43－47.

［4］BAZEILLE S，QUIDU I，JAULIN L，et al.Automatic underwater image pre－processing［EB/OL］.［2012－09－20］.http://www.ensta－bretagne.fr/jaulin/paper_bazeille_CMM06.pdf.

［5］韩丽娜，熊杰，耿国华，等.利用HSV空间的双通道同态滤波真彩图像增强［J］. 计算机工程与应用，2009(27):18－20.

［6］李海东，李青.基于阈值法的小波去噪算法研究［J］.计算机技术与发展，2009(7):56－58.

［7］祝强，张国辉，陈晓东.图像阈值去噪中的小波特性分析及算法改进［J］. 西安工业大学学报，2011(5):484－491.

［8］葛哲学，沙威.小波分析理论与MATLAB R2007实现［M］.北京:电子工业出版社，2007.