基于MATLAB的深海图像多角度增强

2021-03-07石伟倪立学王德雨刘磊张元良

电子技术与软件工程 2021年22期

石伟倪立学王德雨刘磊张元良

（江苏海洋大学江苏省连云港市 222005）

随着海水深度的加深，自然光的数量会越来越少。在水下环境好的时也可以得到较为清晰的照片，而由于复杂的水下环境，在环境较好的海域，能见度大概可以达到水下20米；在环境恶劣的海域，能见度只可以达到水下几米。在深海环境下，通常需要人为补光来增加光照度，而光在海水中很容易发生光的散射，因此会对图像的清晰度造成一定的影响，所以对水下采集图像进行增强处理是很有必要的。2021年，刘柯等[1]针对水下低光环境以及色偏等问题，提出了一种在低光的水下环境下，图像的复原及增强办法。王丹等[2]针对水下图像模糊等问题，提出一种基于场景深度估计的自然光照水下图像增强，有效提升了水下图像的细节以及视觉质量。周亚斌[3]将图像增强和识别技术应用于水下机器人，极大地提高了水下机器人的智能化程度。因此水下机器人也是人类探索海洋的一个重要的海工装备，而视觉模块是水下机器人一个极其重要的模块，视觉模块可惜进行一些数据或者图像的采集，因此图像增强技术促进了水下机器人的发展，这项研究具有重要的意义。

1 水下图像成像理论

海水包含着以物理形态存在的各种元素，因此海水是不均匀的，光线会发生折射和散射并且会被海水吸收，随着深度的增强也会发生衰减。最纯净的水中光的衰减也十分的严重。水的衰减是光的波长的负函数，是由吸收和散射引起的，因此对于一般的海水而言，由吸收和散射引起的衰减分别占四成和六成[4]。

水下环境的能见度较低，获取图像比较困难，因此在水下所采集的图像是不清晰的。较为清澈的水中的能见度最多可以达到20米，而浑浊水中的能见度最多可以达到5米。根据郎伯·比尔的经验定律，光线的衰减程度是由水中媒介的特质决定的，其衰减的模型如公式（1）所示：

式中E为照度，r为距离，c为总介质的衰减系数。由于水中的介质散射和吸收光线，因此水中光线衰减模型如公式（2）所示：

式中，a为吸收系数，b为散射系数，c为总介质衰减系数，等价于a和b的和。

2 水下图像增强算法

2.1 白平衡方法

光在不同光谱区传播时，其衰减速率是不同的。在水中的衰减最快是红光，其次是蓝绿光[5]。所以，我们通常看到的水下图像都是呈蓝绿色偏。对图像进行灰度世界白平衡处理，可以较好地调整色偏。但是对于光照较差的水下图像，这种方法反而会失效。这是因为水下图像中RGB三通道的像素值很低，而且只存在于黑色或者灰色区域，颜色不够丰富。

2020年，张薇等[6]提出一种基于白平衡和相对全变分的低照度水下图像增强方法，基于低照度成像模型并利用灰度世界法得到所需的图像。韩辉等[7]提出了一种基于颜色衰减先验和白平衡方法的水下图像复原，显著提升了水下图像的清晰化程度。

本文所用的方法是先对图像进行灰度世界白平衡处理，随后再进行直方图自动对比度调整，该算法能够较好地去除水下图像色偏，改善图像失真的问题。

2.2 直方图增强

基于直方图增强方法是此前应用较为广泛的一种算法，这种算法最主要的部分就是对图像的直方图进行调整，即将原图像较窄的单峰式直方图通过算法调整为分布较为均衡的直方图，因此也叫做直方图均衡化，如图1所示。

图1：直方图均衡化

自适应直方图方法改善了一般直方图均衡化不能解决模糊程度不均匀图像的问题。本文采用的是自适应的直方图均衡化算法，对于已经白平衡处理过的图片，采用双边滤波器（bilateralfilter）来保证图片的边缘细节，此外它还有图像去噪的效果。在此基础上使用了adapthistep函数，它是一种对比度限制器，主要的功能是来限制均匀亮度区域的对比度，避免噪声变大。

2.3 融合增强算法

融合增强算法，首先要对输入的图像进行两种或多种不同增强方法，然后再求取每一张的图像的融合权，最后再进行图像融合得到的图像。

因此单尺度的融合会使得图像在融合后产生光晕，因此，本文采用的融合增强算法是多尺度的，融合的两张增强后的图像分别是2.1和2.2算法增强后的图像，首先依据拉普拉斯算子对比权重，并对比原始权重，随后进行归一化处理，然后利用高斯金字塔调整权重，将输入图像分解成拉普拉斯金字塔，进行图像的融合，最后再将金字塔还原为图像格式。这样一来，可以有效改善水下图像的对比度低以及色偏等问题。

2.4 基于Retinex的水下图像增强

Land等[8]在20世纪60年代提出了Retinex理论，相关原理如图2所示，其中L是光照分量，R是反射率分量，S是入射光被反射物体反射从而得到被观察者看到的图像，其中反射物体的反射率R不因入射光变化而改变，决定于物体本身的性质。

图2：Retinex模型示意图

上述过程可以表示为公式（3）的形式[9]，观察者看到的原始图像S是入射光分量L和反照率分量R的乘积。

随后对公式（3）两边做对数处理，得到公式（4），这样一来乘积可以转换成对数的加减法，从而大大降低算法的复杂程度。

此图像增强方法是根据原始图像S求解出光照分量L，之后求出反射率分量R，这样可以改善光照不均的现象。本文中所用到的算法是单尺度的Retinex算法，这种算法利用高斯环绕函数分别对图像的RGB通道进行滤波处理，这样一来就可以使得图像的动态范围得到压缩，在一定程度上也可以保证图像的颜色和细节，也有一定的去雾效果。

3 GUI界面设计及实验结果分析

3.1 GUI界面功能

本次共包含四种增强方法，分别为白平衡方法、直方图增强、融合增强方法以及单尺度的Retinex增强方法，因此共设计了六个按键，包含加载原图、以上四种增强方法以及退出功能。对于原图以及增强后的水下图片，可以在客观上依据水下彩色图像质量评价指标（UCIQE）来客观反应图片的质量，UCIQE数值越高，说明整个水下图像的质量越高[10]。此外，还将每张图像的按钮与其图像和UCIQE数值对应起来，只要按下按钮，图像和其指标的数值就会显示出来，示例如图3所示。

图3：GUI界面功能展示

建立GUI界面主要是为了让整个处理过程更加直观，也可以直观的对比每个图像处理之后的质量，减少了操作的次数。

3.2 实验结果分析

本文算法借助MATLAB来实现，一共选择五张图像来测试文章中提到的算法，再对各个算法的处理结果进行比较，相关处理结果如图4所示。图4中，(a)表示原图，(b)表示白平衡处理，(c)表示直方图增强，(d)表示融合增强，(e)表示单尺度的Retinex增强算法。观察图4中的增强后的图像，白平衡法较好的去除水下图像色偏，改善图像失真的问题。直方图增强法限制均匀亮度区域的对比度，防止噪声增大。融合增强法有效解决水下图像对比度低以及色彩偏差等问题。此方法一定程度上也可以保持图像的颜色和细节，也有一定的去雾效果。