基于限制对比度颜色校正的水下图像增强

余义德，周曼丽，王红萍

(1.中国人民解放军第91550部队，辽宁 大连 116023； 2.中国海洋大学 信息科学与工程学院，山东 青岛 266100)

基于限制对比度颜色校正的水下图像增强

余义德1，周曼丽2，王红萍1

(1.中国人民解放军第91550部队，辽宁 大连 116023； 2.中国海洋大学 信息科学与工程学院，山东 青岛 266100)

针对水下图像对比度低、颜色失真的问题，提出了限制对比度自适应的颜色校正模型算法，在灰度的基础上，先求出RGB各个通道的均值然后进行对比判断，根据均值的大小来决定是一端线性拉伸还是两端线性拉伸。该方法基于颜色平衡、RGB色彩模型和HSI颜色模型的对比度校正。基于增强水下图像质量的需求，该算法在CLAHE分块进行局部处理方式的基础上，对每小块区域进行限制对比度，然后运用颜色校正模型算法，并采用双线性插值来提高算法的效率，实验结果表明该算法更加优异。

水下图像；图像增强；颜色校正模型；自适应算法

0 引言

随着科技的进步，光学成像技术得到了广泛的应用，已逐步涉及到人类生活和社会发展的各个方面，但受到场景条件的影响，有些图像拍摄的视觉效果并不理想，需要采用图像处理技术来突出其中的重点目标特征、减弱或去除噪声，得到更适合人或机器进行分析处理的图像[1]，进一步完成目标识别、跟踪和解算等。图像增强作为图像处理的重要组成部分之一，对于改善图像的质量发挥了巨大作用。早在20世纪60年代末和70年代初，图像增强技术已经在医学影像、地球遥感监测和天文学等领域崭露头角。目前图像增强技术被广泛用于退化文档图像的增强[2]；安控领域中的指纹图像增强[3]；交通应用中的雾霭图像增强[4]，车牌、路标等重要信息的识别；军事应用中提取我方感兴趣的敌方目标；以及海洋开发中越来越多的水下目标探测与图像处理。

水下环境复杂，对其进行观测、监控时较为直接有效的方法是采集图像视频，而由于水体本来的光学特性以及水中的悬浮颗粒、微生物和藻类等杂质的影响，导致采集到的视频、图像整体模糊，噪声较多，对比度降低，整体偏暗，彩色图片的颜色失真。因此要想提高观测效率和准确率，必须提高视频和图片的质量，而水下图像增强技术正是解决这些问题的一个重要手段。

直方图均衡处理是图像增强技术最常用的方法之一，可以有效地实现图像对比度增强。然而这种原始的直方图均衡化，不能使图像效果得到最佳。因为该方法没有考虑RGB 三个通道间的关系，导致图像颜色部分失真[5]。1997年Kim提出了保持亮度特性的直方图均衡算法(BBHE)[6]，引起了许多学者的关注。在1999年Wan等人提出二维子图直方图均衡算法(DSIHE)[7]。接着Chen和Ramli提出最小均方误差双直方图均衡算法(MMBEBHE)[8]。为了保持图像亮度特性，许多学者转而研究局部增强处理技术，提出了许多新的算法，即递归均值分层均衡处理(RMSHE)[9]。后来，S.M.Pizer提出了一种自适应直方图均衡化算法[10](Adaptive Histogram Equalization,AHE)，该算法更适合于改进图像的局部对比度以及获得更多的图像细节。文献[11-13]提到的限制对比度直方图均衡(Contrast Limited Adaptive Histogram Equalization,CLAHE)算法，能有效限制这种不利的放大。

本文利用CLAHE算法的对比度限幅和双线性插值的高效优势，提出了一种基于限制对比度颜色校正的水下图像增强算法。

1 颜色平衡算法

人的视觉系统具有颜色恒常性，能从变化的光照环境和成像条件下获取物体表面颜色的不变特性，但成像设备不具有这样的调节功能，不同的光照环境会导致采集的图像颜色与真实颜色存在一定程度的偏差，需要选择合适的颜色平衡(校正)算法，消除光照环境对颜色显现的影响。

K.Iqbal等人提出的综合颜色模型算法(ICM)[16]，将输出图像的RGB通道进行拉伸到整个动态范围。再将图像转换到HIS(Hue,Intensity,Saturation)模型，对S、I进行拉伸。无人监督的颜色校正模型算法(UCM)[17]，基于Von Kries假说，先对各个通道进行剪切以增强对比度，然后按均值的大小再进行拉伸，最后转换到HSI模型，对S、I通道进行拉伸。

1.1 均衡RGB

由于不同波长的光在水中的吸收衰减程度不同，如图1，因此水下图像一般情况下颜色是不平衡的，通常偏蓝绿色。

图1 不同波长的光在水中衰减情况

灰度世界算法假设自然界景物对于光线的平均反射的均值在总体上是个定值，这个定值近似地为“灰色”。该算法对颜色的校正过程如下：

① 图像RGB三个分量的平均值为：

(1)

(2)

(3)

式中，N为图像的像素总数。

② 图像的平均灰度值为：

(4)

③ 3个通道的增益系数为：

(5)

(6)

(7)

④ 根据Von Kries对角模型，对图像中每一个像素，调整其RGB分量，使得

(8)

(9)

(10)

得到校正后的RGB分量。

1.2 RGB颜色模型的对比度校正

水下图像的低对比度使得图像中很多细节容易被忽略[18]，首先设定一个期望值，然后增大像素值的动态范围，对RGB通道进行拉伸以达到增强对比度的目的。根据对RGB各通道均值大小的比较，来判断是进行单边拉伸还是双边拉伸。

当Rmean较高或者Bmean较低时，R通道向左拉伸，B通道向右拉伸，如图2和图3所示。否则，G通道向两边拉伸，如图4所示。

图2 R通道向左侧拉伸

图3 B通道向右侧拉伸

图4 G通道向两侧拉伸

由于人的视觉对亮度敏感程度，为了便于色彩处理和识别，人的视觉系统经常采用HSI颜色空间，它比RGB颜色空间更符合人的视觉特性。将拉伸后的图像转化到HSI空间，同理对S、I进行拉伸，以增强图像的饱和度和亮度，如图5所示。

图5 对S、I通道的双边拉伸

2 水下图像增强算法

从本质上讲，本文提出的基于限制对比度颜色校正的水下图像增强算法是一个对比度直方图重新分布和像素重新映射的过程。算法的具体流程如下：

① 对图像进行预处理。大部分的水下图像都是在光照不均匀的条件下获取的，细节也很模糊并且伴有噪声，算法针对图像的对比度过低的问题，首先进行对比度限幅，即设定阈值，对图像进行分块处理(一般采用8*8)，以免处理后的彩色图像会出现局部颜色不均匀的情况；

② 采用双线性插值法加快运算，并消除块状结果；

③ 在灰度世界(GrayWorld,GW)的基础上均衡各分块图像的RGB通道；

④ 对求出的RGB各个通道的值取平均，进行对比判断，根据均值的大小来决定下一步是进行单向拉伸还是双边拉伸。

算法流程图如图6所示。

图6 本文算法流程

以鱼群和石头2张水下图像为实验对象，首先分别采用GW、WP(WhitePatch)、直方图均衡(HistogramEqualization,HE)、ICM、递归自适应直方图规定化(RecursionAdaptiveHistogramSpecification,RAHS)、CLAHE、UCM和本文的限制对比度颜色校正(CLAUCM)算法进行增强处理。然后采用图像的对比度、信息熵和平均梯度这3个常用的图像质量评价指标来衡量各种增强算法处理后的图片，如图7和图8所示。由图7和图8的处理结果，以及对表1的数据分析可以看出，本文提出的基于限制对比度颜色校正的水下图像增强算法确实有较好的视觉效果，图像更加清晰、对比度更强、细节也更加突出，且有更好的饱和度和亮度。

图7 多种图像增强算法处理的鱼群效果

图8 多种图像增强算法的石头效果

图像内容参量原图GWWPHEICMRAHSCLAHEUCMCLAUCM鱼群对比度10．0814．9210．0862．4535．1629．5529．6837．8945．50平均梯度1．952．541．957．074．656．677．145．758．86信息熵6．076．366．077．966．997．287．287．117．72石头对比度19．0818．3719．6230．4534．4244．2141．6937．2652．56平均梯度2．922．922．908．584．6313．471．194．7010．52信息熵6．436．386．487．556．977．777．697．068．02

3 结束语

本文提出了一种限制对比度自适应的颜色校正模型算法，在联系多种基于直方图和颜色校正模型算法原理的基础上，首先总结出2种方法的共同点，即均为像素点的重新映射，然后继续延展和创新得到的。通过实验结果分析可以看出，与原有的图像增强算法相比，在处理效果和质量评价方面都有一定的优势。

[1] 冈萨雷斯.数字图像处理(第2版)[M].北京:电子工业出版社,2003.

[2] MOGHADDAMR F,CHERIET M.A Variational Approach to Degraded Document Enhancement[J].IEEE Trans.Pattern Anal.Machine Intell.,2010,32(8):1 347-1 361.

[3] SHERLOCKB,MUNRO D,MILLARD K.Fingerprint Enhancement by Directional Fourier Filtering[J].IEE Proceedings-Vision Image and Signal Processing,1994,141(2):87-94.

[4] FATTALR.Single Image Dehazing[J].ACM Trans.Graphics,2008,27(3):721-729.

[5] WOODSRE,GONZALES RC.Real-time Digital Image Enhancement[J].IEEE Journals & Magazines,1981,69(5):643-654.

[6] KIMY T.Contrast Enhancement Using Brightness Preserving Bi-histogram Equalization[J].IEEE Transaction on Consumer Electronics,1997,43(1):1-8.

[7] WANGY,CHEN Q,ZHANG B M.Image Enhancement Based on Equal Area Dualisticsub-image Histogram Equalization Method[J].IEEE Transaction on Consumer Electronics,1999,45(1):68-75.

[8] CHENS D,RAMLI A R.Minimum Mean Brightness Error Bi-histogram Equalization in Contrast Enhancement[J].IEEE ,2003,49(4):1 310-1 319.

[9] CHENS,RAMLI A.Contrast Enhancement Using Recursive Mean-separate Histogram Equalization for Scalable Brightness Preservation[J].IEEE Transaction on Consumer Electronics,2003,49(4):1 301-1 309.

[10] PIZERS M.Psychovisual Issues in the Display of Medical Images[C]∥Hoehne KH(ed):Pictoral Information Systems in Medicine.Berlin,Germany,Springer-Verlag,1985:211-234.

[11] ZUIDERVELD K.Contrast Limited Adaptive Histogram Equalization[C]∥Graphics Gems,1994:474-485.

[12] PIZERS M,AMBURN E P,AUSTIN J D,et al.Adaptive Histogram Equalization and Its Variations[J].Computer Vision Graphics & Image Processing,1987，39:355-368.

[13] PISANO E D,ZONG S,HEMMINGER B M,et al.Contrast Limited Adaptive Histogram Equalization Image Processing to Improve the Detection of Simulated Speculations in Dense Mammograms[J].Journal of Digital Imaging,1998,11(4):193.

[14] GASPARINIF,SCHETTINIR.Color Correction for Digital Photographs[C]∥Proceedings of the 12th International Conference on Image Analysis and Processing,2003:646-657.

[15] ZHUGuidong,SHEN Li,WANG Jinjue.A Color Correction Method Based on the Region-specificvon-Kries Adaptation[J].Computer Engineering&Science,2007,29(2):50-52 .

[16] IQBALK,SALAM R A,OSMAN A,et al.Underwater Image Enhancement Using an Integrated Color Model[J].Iaeng International Journal of Computer Science,2007,34(2):239-244.

[17] IQBALK,ODETAYOM,JAMESA,et al.Enhancing the Low Quality Images Using Unsupervised Color Correction Method[J].IEEE International Conference on Systems,2010,25(1):1 703-1 709.

[18] LI Qingwu,SHU Daiqun,ZHOU Yan.Study on the Underwater Optical Image Clarity Enhancing[J].Acta Optica Sinica,2014,34:s110001-s110001-6.

Underwater Image Enhancement Based on Contrast Limited Color Correction

YU Yi-de1，ZHOU Man-li2,WANG Hong-ping1

(1.Unit91550,PLA,DalianLiaoning116023,China; 2.CollegeofInformationScience&Engineering,OceanUniversityofChina,QingdaoShandong266100,China)

Because of the special absorption and scattering characteristics of water medium,underwater image can not show natural color image quality.This paper proposes a color correction model algorithm that limits the contrast adaptation.The color correction model algorithm is to obtain the mean values of the RGB channels and compare them based on the gray scale,and then determine to do the linear stretching of one end or two ends according to the size of the average.The method is a contrast correction based on color balance,RGB color model and HSI color model.The algorithm is based on CLAHE that divides the pictures into small blocks to process,and then by limiting the contrast of each small block,applies the color correction model algorithm to process pictures based on underwater image enhancement requirement.Also,the bilinear interpolation is used to improve the efficiency of the algorithm.The practical operation shows that the algorithm has good treatment efficiency.

underwater image;image enhancement;color correction model;adaptive algorithm

10.3969/j.issn.1003-3106.2017.09.04

余义德,周曼丽,王红萍.基于限制对比度颜色校正的水下图像增强[J].无线电工程,2017,47(9):16-20.[YU Yide，ZHOU Manli,WANG Hongping.Underwater Image Enhancement Based on Contrast Limited Color Correction[J].Radio Engineering,2017,47(9):16-20.]

TP391.41

A

1003-3106(2017)09-0016-05

2017-03-22

余义德 男，(1975—)，高级工程师。主要研究方向：水下测量技术及应用。

王红萍 女，(1971—)，高级工程师。主要研究方向：水下测量技术及应用。