基于小波变换的水下低照度图像增强算法

何笑 王刚 贺欢

摘要：针对水下图像对比度低，模糊等问题，提出了一种基于小波变换的水下图像增强算法.首先对图像进行小波变换，再利用引导滤波的边缘保持特性处理低频部分，对产生的基础部分用限制对比度直方图均衡，细节部分用高斯-拉普拉斯掩模增强;再将基础部分与细节部分线性加权融合;三个高频图像分别进行归一化处理;再将处理后的图像进行小波逆变换，最后对重构图像进行灰度拉伸可得到目标图像。仿真实验表明，无论从主观还是客观上，本文方法效果较好。

关键词：小波变换;引导滤波;直方图均衡;图像融合

中图分类号：TP394.41        文献标识码：A

文章编号：1009-3044（2020）23-0173-03

Abstract： Fuzzy for underwater image contrast is low， and other issues put forward a kind of underwater image enhancement algorithm based on wavelet transform. First of all to image wavelet transform， the edge of the recycling guide filtering keep features with the low-frequency part， based on the partial with limited histogram equalization， contrast details with gauss Laplace mask - enhancement; Then the basic part and the detail part are weighted linearly; Three high-frequency images were normalized respectively. Then the processed image is transformed by an inverse wavelet transform， and finally， the reconstructed image is stretched by grayscale to obtain the target image.

Key words： wavelet transform; guided filtering; histogram equalization; image fusion

海底获取的图像受到环境因素的影响，存在对比度低，模糊等问题。这使得对图像中信息读取和使用存在很大的难度，因此，对图像质量提升的研究就显得非常有意义。直方图均衡，直方图规定化，限制对比度直方图均衡化，自适应直方图均衡化等方法[1，2]能够通过调节图像灰度值的范围分布，在一定程度上增强图像的对比度和亮度，但是在局部依然存过度提亮、细节信息丢失的现象;还有同态滤波Retinex 算法[3]、非线性滤波Retinex 等[4-7]，这些经典的Retinex算法处理的图像，质量、对比度、亮度都有一定的提高，但是仍没能很好地解决图像中的高对比度区域的照度进行估計时而出现较大误差产生大量的光晕现象，导致图像边缘细节不清晰，影响图像的最终质量。对此，提出了一种基于小波变换的图像增强算法，该算法有效的保留了图像的边缘细节信息，并提高了图像的质量。

1 图像[Mallat]算法

从（1）（2）两式看出，分解过程中用[h，g]这一对滤波器，重构过程中用另一对滤波器[h，g][8]。二维[Mallat]算法采用了可分离的滤波器设计，实质上是对图像数据的行和列分别进行滤波运算，可得到4个子频带段。

2 算法实现

2.1低频部分处理

经小波变换产生的低频部分，包含了原始图像的大部分信息，尤其影响着图像的对比度。本文选取引导滤波[9]来处理。输入低频图像[Imageinput]经引导滤波处理得到低频的基础图像[Imagestructure]，规定输入图像与引导图像相同，认为输入图像是一个二维函数，假设在一个二维窗口内该函数的输出与输入满足线性关系：

2.1.1分层处理基础图像和细节图像

为了提高图像的对比度，使得图像中的目标边缘、纹理和其他信息的细节清晰可见，采用限制对比度直方图均衡化和高斯-拉普拉斯掩模增强方法分别处理基础图像和细节图像。限制对比度直方图均衡化方法具有使全局直方图均衡的密度梯度更加协调的特点，可以使局部直方图均匀地适应图像不同部分的密度梯度差异，改善基础部分的局部对比度，从而增强图像的细节：

式中[Imagestructure_C]表示限制对比度直方图处理后的基础图像。细节图像包含大量低对比度细节信息，整体亮度低，细节基本上存在于低亮度部分。而高斯-拉普拉斯掩模是高斯平滑滤波器和拉普拉斯锐化滤波器二者结合的方法，既能平滑噪声又可以进行边缘检测，因此用该方法处理细节图像：

2.1.2 融合基础图像和细节图像

最终将处理后的基础图像和细节图像线性加权融合后得到图[Image-CL].

2.2高频部分处理

高频部分包含了许多细节信息，其灰度值的分布非常不均匀，将两幅图像的对应像素分别相除得到一幅新图像的操作，可以将图像的灰度直方图进行有效的拉伸，增强图像的对比度，使更多的细节信息凸显出来，表达式如下：

3 实验过程

本文方法的实验平台为MATLAB 2016a，实验对象是大小为222*296的jpg格式的水下图像，并进行了两组实验。

3.1实验步骤如下：

1）对输入图像进行小波变换，得到低频部分和高频部分;

2）采用（3）～（7）式对低频部分进行处理;

3）采用（8）式对高频部分进行处理;

4）对处理后的低频部分和高频部分进行小波逆变换;

5）为适应人眼需要对重构图像进行灰度拉伸，可得到目标图像。

3.2实验分析

实验结果图中，图（a）是原始图像，图（b） 是自适应直方图均衡化处理的图像，图（c）是本文方法所处理的图像。

1）在第一组实验中，自适应直方图均衡算法处理的图像与原始图像相比整体亮度提高，也能看到很多细节信息，但是存在部分细节信息丢失，例如雕像的头顶、右肩、左肩附近的图案、潜水员的头顶、潜水员身上的氧气带等很模糊，不利于人眼观测;本文方法处理后的图像，细节信息很丰富，例如潜水员和雕像的边缘轮廓、雕像上的纹理和图案、潜水员身上的背带很清晰，非常利于人眼观测;

2）在第二组实验中，自适应直方图均衡算法处理的图像，潜水员身后的物体很模糊，左胳膊肘处的物体轮廓、雕像的额头、雕像的上半身上的纹理不清晰;本文方法处理后的图像，潜水员身后的物体、左胳膊肘处的物体轮廓、雕像的额头、雕像的上半身上的纹理很清晰，非常利于人眼观测。

为了避免主观分析中所带来的情感因素，并进一步说明所提算法的有效性，选取了图像的信息熵进行客观评价。信息熵表示图像信息量的多少，信息熵越大，表明图像质量越好。如表1、表2所示。

4 结论与展望

为了改善图像的视觉效果，提出了一种基于小波变换的水下图像增强算法，该算法在突出感知重要内容的边缘信息时，抑制了高频噪声，为黑暗细节提供锐利的边缘，同时使图像的光照度均匀化，便于人眼观测。从表中可以看到，所提算法处理的图像，其信息熵要高于原始图像和限制对比度直方图均衡化处理的图像的信息熵，可见该方法是行之有效的。但是观测实验结果图可以发现，图中人物和雕像的轮廓边缘有一定的光晕现象，因此所提算法还需进一步改进。

参考文献：

[1] 陈春谋.基于直方图均衡化与拉普拉斯的铅条图像增强算法[J].国外电子测量技术，2019，38（7）：131-135.

[2] 冯辉，林伟.基于直方图均衡化的水下图像增强算法[J].计算机产品与流通，2018（11）：267.

[3] 董静薇，徐博，马晓峰，等.基于同态滤波及多尺度Retinex的低照度图像增强算法[J].科学技术与工程，2018，18（22）：238-242.

[4] 王雪红.基于Retinex理论低照度图像增强方法的比较与策略选择[J].信息与电脑（理论版），2019（12）：40-41.

[5] 卢玮，高涛，王翠翠，等.Retinex理论下基于融合思想的低照度彩色图像增强算法[J].科学技术与工程，2019，19（13）：151-157.

[6] 郭钰璐，董丽丽，许文海.融合边缘信息的对比度增强算法[J].红外技术，2019，41（7）：616-622.

[7] 刘敏.基于Retinex理论的非均匀光照图像增强研究[D].桂林：广西师范大学，2019.

[8] 吐尔洪江·阿布都克力木.小波信号处理基础[M].北京：郵电大学出版社，2014.

[9] 李温温，刘富，姜守坤.基于引导滤波的指节纹图像增强算法研究[J].吉林大学学报（信息科学版），2018，36（4）：409-413.

【通联编辑：唐一东】