基于引导图像滤波器的水下图像清晰化算法

陆慧敏，胡学龙，李玉洁，李建如，中岛翔太，芹川聖一

(1.同济大学海洋地质国家重点实验室，上海 200092;2.上海交通大学海洋工程国家实验室，上海 200240;3.扬州大学信息工程学院，江苏扬州 225127;4.九州工业大学工学研究院，福冈北九州 8048550;5.山口大学工学研究院，山口宇部 7558611)

基于引导图像滤波器的水下图像清晰化算法

陆慧敏1，2，4*，胡学龙3，李玉洁4，李建如1，中岛翔太5，芹川聖一4

(1.同济大学海洋地质国家重点实验室，上海 200092;2.上海交通大学海洋工程国家实验室，上海 200240;3.扬州大学信息工程学院，江苏扬州 225127;4.九州工业大学工学研究院，福冈北九州 8048550;5.山口大学工学研究院，山口宇部 7558611)

水下图像降质主要受水体中光的前后向散射、光波衰减、水中浮游生物以及水下光照不均匀等的影响.针对传统的水下图像采集器所获取的水下图像存在光照不均匀、纹理细节模糊及对比度低等问题，建立了一种新的水下图像光学成像模型，并提出一种基于引导图像滤波器的水下图像增强算法.根据水下光线的传播特性，充分利用双边图像滤波器的平滑保边特性以估计散射光和图像局域对比度，同时考虑不同波长在水下传输的特性，得到更加准确的水下图像增强模型，然后依据此模型复原清晰图像，并对复原图像进行校正处理.结果表明，该算法能克服光照不均匀等困难，对水下图像进行实时处理，有效地提高了图像的清晰度，且该方法已成功应用于深海观测系统.

水下图像;引导图像滤波器;图像复原;图像增强

自1970年起，世界各国便开始对深海渔业资源和新的矿藏资源进行探测.视频图像观测系统［1］因所获取的图像含有较为丰富的颜色和纹理信息而易于人眼识别和分析，故被广泛用于近距离的水下探测，因此本文拟选择该系统来解决在深海探测和作业过程中采矿机周围微地形的实时高精度观测等问题.在深海视频图像观测系统中，水下图像降质的主要原因有:1)由于海水中存在大量的悬浮颗粒和微小离子，尤其是在水下机器人或深海采矿机周围，因机器人手臂运动卷起的大量泥沙会妨碍观测系统的正常工作，导致图像对比度下降且纹理细节特征不明显;2)人工辅助单色照明方式会影响图像的可视范围;3)图像采集系统的振动使得水下光照呈非均匀分布状态.近年来，水下图像的增强处理备受关注.陈从平等［2］利用图像背景获得前景图像后采用改进的巴特沃斯同态滤波器提高图像的对比度.Serikawa等［3］利用后向散射光成分估计高斯函数的卷积法，但该方法因耗时长而不适用于实时系统.Schechner等［4］利用偏振滤波器估计介质散射光并进行滤波从而有效地清晰化图像，但在实际应用过程中很难实现同时在同一场景拍摄2幅以上的图像.李庆忠等［5］提出基于水下光照不均匀成像模型的去噪算法，通过去除小波变换后低频部分的介质散射光增强图像的对比度.Lu等［6］提出了基于水下成像模型和光学颜色校正法的图像清晰算法.He等［7］提出借助暗通道模型估计降质图像的深度信息，进而复原清晰图像.Fattal［8］利用独立成分分析法估计图像的前景和背景，从而分割出图像中的模糊部分.Xiao等［9］利用双边滤波器改进暗通道模型，提高了算法的实时性.本文在传统的暗通道估计模型的基础上，结合水下图像的成像特点建立一种新的基于水深以及目标与水下相机间距离的成像模型，利用引导图像滤波器对图像进行滤波，采用相机特性增强算法复原图像颜色，以期使得图像更加清晰.

1 水下图像光学成像模型

水体中光的前后向散射一般会导致拍摄的图像呈薄雾笼罩状且纹理细节模糊；水中光的衰减效应易降低图像的对比度，使得目标与背景的区分度偏低，影响视觉辨析；水下人工光源光线强度分布不均匀，导致拍摄的图像局部区域过亮或过暗；水体中微小生物会造成图像成像时出现斑点现象，因此笔者首先建立了如图1所示的水下物理成像模型.

图1 水下图像光学成像模型Fig.1 Underwater imaging model

通过该模型可将水下图像的成像视为从目标到摄像机之间的前向散射、后向散射、直接传输以及被吸收等4个部分的线性叠加，故摄像机获取的图像I（x）可表示为

其中J（x）为真实场景下的图像，βs为散射系数，βa为吸收系数，d（x）为目标与摄像机间的距离，A为颜色变化常量.

2 水下图像清晰化算法

2.1 图像降质暗通道

根据模型（1）可知，欲对水下图像进行复原，首先必须去除前后向散射光和浮游生物的影响，然后依据衰减规律进行增强处理.

由于水下图像的暗通道主要集中在图像的r通道，因此在计算图像的局部暗通道时仅须计算r通道的暗通道即可.定义局部暗通道

其中Jc（x）为像素x在图像颜色通道c上的图像区域，c∈｛r，g，b｝；Ω为图像的滑动窗口，本文选取窗口大小为7×7.通过计算r通道的最小值得到图像的散射景深图像（x）：

利用引导图像滤波器可求得图像的噪声分布，最终得到复原后的图像

其中t0的取值一般为0.1.

2.2 引导图像滤波器

类似于双边滤波器［10］，假设Ip，Gp分别为原图像和参考图像在像素p的强度值，q为参考图像中对应的像素点，则引导图像滤波器为

2.3 颜色校正

为了满足实时处理的需要，根据摄像机光谱特性和光在水中的传输特性［11］，得到在波长λ为400～700 nm范围的加权RGB传递函数τRGB：

其中τλ为颜色传递函数，Cb（λ）为水下光学谱函数.根据式（7），颜色校正后的图像为

其中（x）为增强前的图像.

3 仿真与分析

本文测试编程平台为Intel Core2 CPU，主频2.0 GHz，内存为1 GB，软件环境：Matlab和Microsoft Visual C＋＋2008.为了验证本文算法的性能，笔者对大小为345×292的水下图像（图2（a））进行增强处理，各阶段的处理结果如图2（b）～（d）所示.同时，将本文算法与偏振滤波器法［4］1659、暗通道法［7］1400、独立成分分析法［8］3和双边滤波器法［9］716等几种典型的图像增强算法进行对比，结果如图3所示，各算法下的运行时间如表1所示.

图2 水下图像增强过程Fig.2 Flowchart of our program

由图2可知，本文算法能够有效地去除水下图像的噪声，并能显著增强图像的对比度.

由图3及表1可知，本文算法的去噪性能好，图像全局的对比度高，增强效果显著，并且能够满足实时处理视频的需求.

4 结语

本文将水下光学成像模型应用于暗通道，并在空间域直接增强处理图像，建立了一种新的水下图像清晰化算法.仿真实例表明，本文方法较现有的基于频域的图像增强算法具有更高的可靠性与实时性，能够满足水下机器人和深海采矿机实时监测的需求.

表1 各算法的运行时间比较Tab.1 Run time comparison of different methods

图3 各图像增强算法的处理结果Fig.3 Different models for underwater image dehazing

［1］KOCAK D，DALGLEISH F，CAIMI F，et al.A focus on recent developments and trends in underwater imaging［J］.Mar Technol Soc J，2008，42（1）：52－67.

［2］陈从平，王健，邹雷，等.一种有效的低对比度水下图像增强算法 ［J］.激光与红外，2012，42（5）：567－571.

［3］SERIKAWA S，LU H.Underwater image dehazing using joint trilateral filter［J］.Comput Electr Eng，2014，40（1）：41－50.

［4］SCHECHNER Y Y，AVERBUCH Y.Regularized image recovery in scattering media［J］.IEEE Trans Pattern Anal Mach Intell，2007，29（9）：1655－1660.

［5］李庆忠，葛中峰.基于水下光照不均匀成像模型的图像清晰化算法 ［J］.光电子·激光，2011，37（22）：202－204.

［6］LU Huimin，LI Yujie，ZHANG Lifeng，et al.Contrast enhancement for images in turbid water［J］.J Opt Soc Am A，2015，32（5）：886－893.

［7］HE Kaiming，SUN Jian，TANG Xiaoou.Guided image filtering［J］.IEEE Trans Pattern Anal Mach Intell，2012，35（6）：1397－1409.

［8］FATTAL R.Signal image dehazing［J］.ACM Trans Graphics，2008，27（3）：1－8.

［9］XIAO Chunxia，GAN Jiajia.Fast image dehazing using guided joint bilateral filter［J］.Visual Comput，2012，28（6／8）：713－721.

［10］PARIS S，DURAND F.A fast approximation of the bilateral filter using a signal processing approach［J］.Int J Comput Vision，2009，81（1）：24－52.

［11］TANG J，KIM J，PELI E.Image enhancement in the JPEG domain for people with vision improvement［J］.IEEE Trans Biomed Eng，2004，51（11）：2013－2023.

Enhancing algorithm based on underwater optical imaging model and guided image filters

LU Huimin1，2，4＊，HU Xuelong3，LI Yujie4，LI Jianru1，NAKASHIMA Shota5，SERIKAWA Seiichi4

（1.State Key Lab of Mar Geol，Tongji Univ，Shanghai 200092，China；2.State Key Lab of Ocean Engin，Shanghai Jiaotong Univ，Shanghai 200240，China；3.Sch of Inf Engin，Yangzhou Univ，Yangzhou 225127，China；4.Dept of Electr Engin ＆Electron，Kyushu Inst of Technol，Kitakyushu 8048550，Japan；5.Fac of Engin，Yamaguchi Univ，Ube 7558611，Japan）

This paper describes a novel method to enhance underwater images by enhancing.Scattering and color change are two major problems of distortion for underwater imaging.Scattering is caused by large suspended particles，like fog or turbid water.Color change corresponds to the varying degrees of attenuation encountered by light traveling in the water with different wavelengths，rendering ambient underwater environments dominated by a bluish tone.Our key contribution is to compensate the attenuation discrepancy along the propagation path，and to take the influence of the possible presence of an artificial lighting source into consideration.Next，the water depth in the image scene is estimated.A simple colorization method is also utilized for restoring color balance.The enhanced images are characterized by reduced noised level，better exposedness of the dark regions，improved global contrast while the finest details and edges are enhance significantly.

underwater imaging；image enhancement；image reconstruction；guided image filter

TP 391.4

A

1007-824X(2015)03-0060-04

2014-11-20.* 联系人，E-mail:luhuimin@ieee.org.

日本学术振兴会特别研究基金资助项目(25J10713，15F15077);同济大学海洋地质国家重点实验室开放课题(MGK1407);上海交通大学海洋工程国家实验室开放课题(SKL1301);中国科学院海洋研究所开放课题(MGE2015KG02).

陆慧敏，胡学龙，李玉洁，等.基于引导图像滤波器的水下图像清晰化算法［J］.扬州大学学报(自然科学版)，2015，18(3):60-63，69.

（责任编辑 林 子）