融合引导滤波和小波变换的水下图像增强算法

何笑　王刚　贺欢

摘 要：针对水下环境对比度低和极其模糊的视觉效果问题，提出了一种融合引导滤波和小波变换的水下图像增强算法。利用引导滤波将图像分为基础部分和细节部分，将小波变换应用于基础部分，对产生的低频图像进行限制对比度直方图均衡，高频部分分别使用改进的对数函数增强，然后将处理后的高低频部分进行小波逆变换。细节部分进行增益计算;最后将处理后的基础部分和细节部分进行加权融合，再对融合图像进行限制对比度直方图均衡，得到目标图像。仿真实验表明，该方法在保留图像细节的同时很好地克服了光照不均匀对图像的影响.

关键词：小波变换;à trous算法;引导滤波;直方图均衡;图像融合

中图分类号：TN957.52      文献标识码：A

Underwater Image Enhancement Algorithm Combining

Guided Filtering and Wavelet Transform

HE Xiao，WANG Gang，HE Huan

（School of Mathematical Sciences，Xinjiang Normal University，Urumqi，Xinjiang 830017，China）

Abstract：An underwater image enhancement algorithm based on guided filtering and wavelet transform is proposed to solve the problem of low contrast and extremely fuzzy visual effect in underwater environment.Wavelet transform is applied to the basic part to equalize the generated low-frequency image with limited contrast histogram. The high-frequency part is enhanced with improved logarithmic function， and then the processed high-frequency part is transformed with inverse wavelet transform.The gain calculation is carried out in detail.Finally， the processed basic part and the detail part are weighted and fused， and then the fused image is balanced with limited contrast histogram to obtain the target image.

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

光在水下传播的过程中会逐渐衰减，这会造成图像背景的模糊，而水下环境中有各种生物、悬浮物等，在成像过程中会造成干扰，即便是人造光源也无法躲避，这些因素会影响图像的清晰度。可见，使水下图像清晰化是很有必要的。近年来基于Retinex理论的图像增强技术[1-3]得到了很多学者的研究并提出了许多改进算法。如同态滤波Retinex算法、非线性滤波Retinex等[4]。如此多的Retinex算法处理的图像在质量上有了一定的提高，但是仍没能很好地消除在对图像中高对比度区域的照度进行估计时出现的较大误差，从而产生光晕的现象，导致图像边缘细节不清晰，影响图像的质量，为后期图像的分割等处理增加负担。对此，提出了一种融合引导滤波和小波变换方法的水下图像增强算法，该算法有效的减弱了光晕现象，保留了图像的边缘细节信息，提高了图像的质量。

1 图像à trous算法

在此用到二进小波变换算法为 à trous算法。但要注意，此处的à trous 算法是在Mallat提出的二进小波变换的à trous算法上的改进[5]。它的基本思想没有发生改变。

à trous 算法分解公式：

3 增强处理

3.1 低频部分处理

对数变换是非线性变换[7，8]，是将原图像中灰度值较窄的部分映射到较宽的灰度区间，同时将较宽的部分区间映射为范围较窄的灰度区间，从而拉伸了暗像素的值，压缩了高灰度的值，使得图像中的细节部分得到增强。使用改进的对数函数，其形式如下：

f′x，y=log21+vfx，ylog2v+1（9）

其中，fx，y为输入图像，f′x，y为输出图像，v为常数，v=30。

3.2 细节部分处理

细节部分主要包含图像大量的边缘信息，对细节部分像素的灰度值进行增益计算，可突出图像的边缘特征。数学表达式如下：

f′x，y=a*fx，y  （10）

其中，fx，y为输入图像，f′x，y为输出图像，a为常数，实验中a=10。

4 图像融合

对处理过的基础部分和细节部分进行加权融合[8，9]，融合公式如下：

Fx，y=mf1x，y+1-mf2x，y （11）

其中，Fx，y是融合后的图像，f1x，y是处理后的基础部分，f2x，y是处理后的细节部分，m是控制系數，实验中m=0.6。

5 实验过程与分析

实验平台是MATLAB R2016a，实验对象为两组222x296大小、jpg格式的水下图像。实验步骤如下：

1）使用引导滤波将原始图像分为基础部分和细节部分;

2）将小波变换应用于基础部分，产生的低频图像使用限制对比度直方图均衡处理，三个高频部分分别使用改进的对数函数增强;

3）处理后的高低频部分进行小波逆变换，得到重构的基础部分;

4）对细节部分进行增益计算;

5）最后将处理后的基础部分和细节部分选择合适的权重，进行加权融合;

6）对融合图像进行限制对比度自适应直方图均衡，得到目标图像。

将实验结果f与文献7，文献8，文献9，文献10方法的实验结果进行了比较，并从主观和客观方面进行验证。

5.1 主观评价

1）对于图1，文献7方法的实验结果图人物整体亮度没有得到有效提高，人影较模糊，非常不利于肉眼观察。文献8方法的实验结果图整体亮度有了一定的提高，但图像的边缘不够清晰，尤其是图像右边部分存在严重失真，信息缺失较严重。文献9的实验结果失真情况较轻，图像的右边部分存在亮度不均匀的现象，人的腿部也不清晰，非常不利于后期的图像研究。文献10图像右边部分亮度较高，并且人物边缘不够光滑，没有达到人眼的舒适度，同样不利于后期的图像分析。本方法的结果图亮度均匀，适合人眼观测，而且人物的轮廓比较清晰，圖像包含很多细节信息，特别是图像中人的腿部信息可以看到，失真较少。

2）对于图2，文献7方法的实验结果整体亮度没有得到提高，人影不够清晰，且不利于人眼观察。文献8方法的实验结果失真情况非常严重，信息丢失严重。文献9与文献10的实验结果整体亮度不均匀，边缘轮廓不清晰，图像左上方的人左脚处模糊，右边人头部过亮，部分细节信息不够突出，不利于人眼观测。本方法的实验结果中，左上方的人左脚处很清晰，右边人头部细节很明显，总体轮廓较清晰，光照较均匀，包含的细节信息较多。

5.2 客观评价

为了进一步验证所提算法的有效性，选取了信息熵、峰值信噪比做出客观的评价，如表1、表2所示。

6 结 论

为了改善水下图像的视觉效果，提出了一种融合引导滤波和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，可抑制平滑区域中的高频噪声，为黑暗处的细节提供锐利的边缘，使图像的光照度均匀化，便于图像的后期分析。但实际应用中还会有恶劣的环境，如浑浊的背景下小目标与背景灰度接近，二者难以区分，或者图像存在颜色失真情况，因此所提算法处理这类图像，可能会存在一定的缺陷，还需进一步研究。

参考文献

[1] 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.

[2] 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.

[3] 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.

[4] 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.

[5] 吐尔洪江·阿布都克力木.小波信号处理基础[M].北京：北京邮电大学，2014.

[6] 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.

[7] 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.

[8] 尹士畅，喻松林.基于小波变换和直方图均衡的红外图像增强[J].激光与红外，2013，43（2）：225-228.

[9] 莫增，孙丽丽，贾兰.基于自适应直方图算法的红外增强处理及实现[J].电子世界，2019（5）：30-32.