基于暗通道的水下图像增强

孙嘉然

摘要： 21世纪是“海洋的世纪”，开展海洋环境探测工作的战略意义日益突显。为了满足探测需求，基于光学图像的水下探测技术成为主流手段，而水下图像增强则是其中的关键。本文对暗通道算法加以改进，将其迁移到水下环境之中，去除了图像中的噪声，提高了水下图像的质量，为水下探测提供了保障。

关键词： 暗通道;水下图像增强;图像处理

中图分类号： TP391.41    文献标识码： A    文章编号： 1672-9129（2018）09-0055-01

Abstract： The21st century is the century of the ocean， the strategic significance of marine environmental exploration is increasingly prominent. In order to meet the detection needs，underwater detection technology based on optical images has become the mainstream means， and underwater image enhancement is a key issue. In this paper， the dark channel algorithm is improved to fit the underwater environment. The proposed algorithm removes the noise and improves the quality of the underwater image， which provides a guarantee for underwater detection.

Keywords：dark channel;underwater image enhancement;image processing

步入21世纪以来，海洋的地位在全球范围内越来越显著，相对于陆地，茫茫大海有着更多的资源，开展海洋环境探测工作的战略意义日益突显。以声呐为代表的声学成像设备应用广泛，但是声学成像无法捕捉颜色信息，想要完成高精度的探测任务，高质量的光学图像不可或缺。

然而，水是一种常见的散射介质，光线在水中传播时受到的吸收散射影响非常明显，相机所捕获的光学图像遭受大量的信息损失。为解决这一问题，本文对水下图像增强进行了研究，利用MATLAB开发工具对算法进行了实现。本文对去雾领域中的暗通道先验算法进行分析，改进了暗通道算法，将其迁移到水下环境中，去除图像中的噪声，提高了水下图像的质量。本文还将不同材质的物体放入浑浊度不同的水下环境中，验证了本文算法的鲁棒性。

1 相关工作

对于水下图像增强的研究，可以根据算法是否以的水下光学模型为设计原理大致分为两类，即基于非水下光学模型的图像增强和基于水下光学模型的图像增强。

非水下光学模型的图像增强方法不考虑任何的光学成像原理，仅根据主观的视觉效果对图像进行增强。小波去噪[1]是图像增强中常用的传统方法，而随着机器学习在计算机视觉领域的广泛应用，利用深度网络对水下图像进行增强的工作[2][3]也日益成为研究热点。

而对于水下光学模型的研究早在1972年就已经初成了体系[4]，现如今常用的水下光学成像模型为Jaffe-McGlamery[5]模型。此外，和水相似，雾也是一种散射介质，对光线的吸收散射影响明显，雾气的存在大大影响了空气中的图像质量。空气环境中的图像去雾问题和水下图像增强有一定的相似之处，将去雾模型直接迁移到水下环境中[6]，也有一定的效果。

2 本文方法

本文对空气环境下的去雾问题与水下图像增强加以对比分析，发现两者的光学模型非常相似。两者的不同之处在于光线在空气中和水中传播时，红、绿、蓝三种颜色光线的衰减程度不同。在空气中，这三种颜色光线的衰减情况基本一致，然而在水下环境中，红光相对于蓝光和绿光衰减更为严重。

在图像中的大多数局部区域，总会出现一些像素在至少一个颜色通道中像素值很小，这就是暗通道[7]，而暗通道先验算法是去雾领域中常用的图像增强算法。本文针对空气中和水下的光学模型的差异，对空气中的暗通道先验算法进行改进，在处理水下图像时，忽略了图像的红通道，将暗通道定义在蓝绿通道上，使得暗通道算法更符合水下成像模型。

本文利用MATLAB开发平台对改进后的暗通道算法进行实现，实现水下图像增强。此外，本文还对不同混浊度的水下图像进行处理，实验结果验证了算法的鲁棒性。

3 实验与分析

本文在室内环境下利用一个1×1×1m的正方体玻璃水缸来模拟水下环境。在实际操作过程中，采用黑色帆布罩住水缸的内壁，模拟黑暗的水下环境，避免外界灯光的影响。实验所使用的相机和光源均經过水密处理，固定在水缸中的架子上保持静止。

在实验过程中，首先将物体放在空气环境下进行拍摄，随后再放入清水中，并加入牛奶模拟浑浊的水下环境。相机及水下射灯经过水密处理固定在一个钢架上，并将其探入水中。

在验证算法时，本文将空气中的图像作为水下图像增强的评判标准，将经过算法增强后的水下图像与空气中的图像进行对比，从而检验算法的增强效果。本文还设计了不同浑浊度的水下场景，并对不同材质的物体进行图像采集，实验结果表明本文的算法具有可行性和鲁棒性。

4 总结与展望

本文利用MATLAB作为开发工具，实现水下图像增强算法。该算法通过对去雾模型与水下成像模型的对比，改进去雾模型中的暗通道先验算法，将其迁移到水下环境中，去除水下图像的噪声，达到图像增强的效果。本文还在实验过程中设计了不同浑浊度的水下场景对不同材质的物体进行实验，验证了本文方法的鲁棒性。

參考文献：

[1]Yassin A A， Ghadban R M， Salah S F， et al. Using discrete wavelet transformation to enhance underwater image[J]. International Journal of Computer Science Issues， 2013， 10（2）： 220-228.

[2]Torres-Méndez L A， Dudek G. Color correction of underwater images for aquatic robot inspection[C]//EMMCVPR. 2005： 60-73.

[3]Li J， Skinner K A， Eustice R M， et al. WaterGAN： unsupervised generative network to enable real-time color correction of monocular underwater images[J]. IEEE Robotics and Automation Letters， 2018， 3（1）： 387-394.

[4]Funk C J， Bryant S B， Heckman Jr P J. Handbook of underwater imaging system design[R]. NAVAL UNDERSEA CENTER SAN DIEGO CA， 1972.

[5]Jaffe J S. Computer modeling and the design of optimal underwater imaging systems[J]. IEEE Journal of Oceanic Engineering， 1990， 15（2）： 101-111.

[6]Fattal R. Dehazing using color-lines[J]. ACM Transactions on Graphics （TOG）， 2014， 34（1）： 13.

[7]He K， Sun J， Tang X. Single image haze removal using dark channel prior[J]. IEEE transactions on pattern analysis and machine intelligence， 2011， 33（12）： 2341-2353.