基于视觉特性低照度水下图像增强算法研究

赵鑫　焦博

关键词：低照度；水下图像；色彩偏移；视觉系统；图像增强

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2023）12-0009-04

0 引言

水下考古、水下资源勘探、水下管道探索、潜艇航行等水下活动[1]都离不开低照度水下视觉技术的支撑，清晰的图像对于水下工程研究至关重要。目前对于低照度水下图像增强研究较少，而低照度图像增强和水下图像增强已经有大量研究。

目前低照度图像增强算法分为空域法、变换域法及融合法三大类。空域法是直接对像素点进行处理，代表算法有直方图法、灰度变换法、Retinex算法、基于大气散射模型的增强算法。韩殿元[2]提出了一种改进的直方图均衡化算法，该算法改善了由于灰度级被过度合并造成细节信息丢失的情况，但处理彩色图像时会出现色彩失配现象。Zhou Z G等人[3]提出了一种同时增强全局亮度及局部对比度的方法，该算法虽然可以自适应灰度变换，但对图像暗区增强效果有限。

水下图像增强算法主要有直方图均衡、小波变换、锐化和Retinex等，Iqbal K等人[4]提出了一种水下图像增强算法，该算法使用基于滑动直方图的集成颜色模型，其在RGB和HSI色域中连续拉伸以增强图像，但算法需要根据输入图像手动调整参数。许多研究人员应用了He K M等人[5]提出的暗通道先验去雾算法进行水下图像恢复。Li C Y等人[6]使用基于DCP（Dark Channel Prior，暗通道先验）算法的引导三角形双边滤波来恢复水下图像，但是使用该算法处理后图像整体变暗。Drews P等人[7]提出了一种基于蓝绿色通道的水下DCP算法，以估计更准确的传输图，但恢复的图像容易出现亮度饱和。

1 基于视觉特性的低照度水下图像增强算法

低照度水下图像出现的低亮度、模糊和色彩偏移等问题，可通过研究视觉感知特性和水下光线衰减现象并构建相关算法加以解决。人眼亮度视觉特性有视觉适应性和同时对比性，其中视觉自适应是由暗适应过程和明适应过程构成的。暗适应是通过放大瞳孔来增加通光量，从而将图像的全局亮度调整到较高的等级；明适应是通过缩小瞳孔来减少通光量，从而将图像的全局亮度调整到较低的等级。所以对于低照度的场景下，图像表现为全局低亮度并且局部暗区。根据韦伯-费希纳定律，人类视觉系统对亮度感知为近似对数函数。因此，解决图像低亮度的重点是建立模拟暗适应过程的对数映射函数，实现对图像亮度自适应调节。由同时对比性可知，人眼对图像的细节信息感知不仅取决某区域的亮度，还与周围区域亮度有关。因此，消除图像模糊的重点是建立图像局部对比度同时提升函数，实现图像对比度自适应增强。

水下图像大多呈绿色或蓝绿色，这是因为在水中光束的衰减程度与传输距离和衰减系数呈指数关系，且不同波长的光在相同距离下衰减不同。水对红光附近波长的光衰减最大，绿光次之，最后是蓝光。在高浓度浮游生物的情况下，由于有机物的吸收，蓝通道也可能明显减弱。因此，图像色彩校正重点是如何构建衰减通道补偿函数，实现水下图像色彩自适应校正。

具体算法步骤包括：

1） 提取图像的亮度分量；

2） 对图像亮度自适应提升，使亮度分量分布在视觉舒适区；

3）经过步骤2）中的亮度增强后，对图像进行对比度自适应增强，以去除图像模糊。

4）经过步骤3）中的对比度增强后，对图像进行色彩校正，以去除图像色偏。

1.1 亮度自适应增强

由于HSV颜色模型是一种将颜色描述为人类感知方式的模型，该模型将色彩通道和亮度通道分离，基于此模型改变图像亮度不会给图像色彩带来失真，故运用HSV模型提取亮度分量V：

1.2 自适应对比度增强

人眼的亮度视觉特性中同时对比性让人眼视觉系统接收到更多细节信息，本节运用局部对比度增强函数模拟同时对比性，实现低照度水下图像自适应对比度增强。

图像局部均值反映了图像的低频部分，则像素值与局部均值的差值反映了图像高频部分；局部标准差反映了图像边缘或噪声以及其他变化强烈程度；全局标准差反映图像全局变化的强烈程度。根据图像局部区域像素值变化程度，增强图像高频部分实现局部增强，对局部区域进行全局滑动模拟同时对比性。

图像自适应对比度增强算法具体步骤如下：

1.3 水下色彩增强算法

光在水下的衰减情况如图2所示，水对红光附近波长的光衰减最大，绿光次之，最后是蓝光。在高浓度浮游生物的情况下，由于有机物的吸收，蓝通道也可能明显减弱。在水下图像中绿通道比红通道、蓝通道保存的信息更加完善，故可用綠通道信息来补偿红通道和蓝通道。

在灰度世界假设中，所有通道在未衰减前具有相同的均值，故红通道与绿通道的均值之间的差值反映了红通道相对绿通道衰减的程度，红通道补偿值应与该插值成正比。补偿红通道应对避免红通道中的局部区域过度补偿，仅补偿那些高度衰减的区域。

2 实验结果与分析

本文算法在MATLAB 2013软件环境下，对5幅不同的低照度水下图像进行算法验证，增强效果如图4所示。

通过图4看到，本算法可以有效解决低照度水下图像存在的低亮度、模糊和色彩偏移等问题，提升了低照度水下图像暗区的细节表现能力，校正了图像色偏移，改善视觉效果。

本文采用平均梯度、信息熵及结构相似性三个客观指标对本文算法增强效果进行客观评价。如表1所示，信息熵和平均梯度都有较大的提升，说明本算法很好地改善了图像的细节表现能力；个别图像结构相似度较低，说明本算法破坏了个别图像的结构。综合三方面指标，本算法在提高图像暗区细节表现能力和色彩恢复，符合人眼视觉需求，但本算法还需进一步保持图像的结构。

3 总结

根据低照度水下图像特点，本文提出了一种基于视觉感知的低照度水下图像增强算法。首先，通过改进的对数映射函数对图像亮度自适应增强；其次，通过局部对比度增强函数对图像对比度自适应增强；最后，对图像红、蓝通道补偿后分别对图像红、绿、蓝通道的灰度值进行拉伸，实现图像色彩校正。实验表明本算法能够提高图像暗区细节表现能力和校正色偏，对视觉感受有较大的提升。但本算法运算复杂度较高，无法满足实时需求，算法效率的提升将是下一步工作的重点。