基于暗通道先验改进算法的水下图像增强方法研究

朱大昌， 黄乐涵

(广州大学机械与电气工程学院，广州 510000)

0 引言

近年来，水下视觉技术被广泛应用于各个领域。例如在海洋军事领域，可以利用水下视觉技术对水下可疑目标进行自动搜索和监视,通过带有视觉技术的水下机器人进行布雷、排雷工作等,而水下视觉技术研究的重点就是对水下采集到的图像进行研究。由于水下介质分布不均，光在水下传播遇到悬浮粒子会发生散射，前向散射会造成图像细节模糊；后向散射会造成雾状模糊，导致图像对比度下降[1]。此外，由于水对光的选择性吸收，波长较长的红光衰减得最快，波长短的蓝光传播得最远，所以水下图像往往呈蓝色调[2]。水下图像的这些特点限制了其在图像识别、目标检测等领域的应用，因此，利用图像处理技术提升水下图像的质量尤为重要。

2012年，按照加快实施最严格水资源管理制度试点相关要求，上海市水务局组织编制了 《上海市水资源管理系统实施方案》，启动了新一轮水资源管理系统建设，一是在已有水资源监测的基础上进一步优化完善信息采集，形成与实行最严格水资源管理制度相适应的水资源监控能力；二是建立市区两级水资源管理应用系统，进一步增强支撑水资源定量管理和对“三条红线”执行情况进行考核的能力。

目前，水下图像清晰化方法大致可以分为图像增强和图像复原两种。对于图像增强方法来说，通常不需要引入成像的物理模型条件，也不需要提前获得水体的环境参数，而是直接通过图像学处理方法对水下图像进行处理，得到更加显著的视觉增强效果。JIANG等[3]利用稀疏低秩矩阵将水下图像中的散射分量分离出来，从而增强图像整体的对比度，是一种低复杂度的水下图像去散射方法；刘志成等[4]利用光照分量构造二维伽马函数，并利用光照分量对图像不同亮度区域进行调整以实现对光照不均匀图像的自适应校正处理；李黎等[5]提出了一种基于改进暗原色先验并利用白平衡进行增强和利用灰度世界算法进行颜色校正的方法，能够有效处理后向散射严重的水下图像，从而获得更高的清晰度和对比度；黄冬梅等[6]在RGB和CIE-Lab颜色模型上进行自适应拉伸，根据水下图像退化特点动态定义拉伸区间，获得清晰的水下图像；IQBAL等[7]将水下图像经过拉普拉斯分解，对低频波段做去雾、归一化和白平衡，在高频波段放大以保持边缘，最后将两个频率图像相加得到增强图像；ALEX等[8]将图像在Y和Cr通道分别应用Retinex分解并使用高斯环绕函数做卷积处理，从而得到增强图像;杜雪等[9]对图像白平衡处理后转换至LAB空间和HSV空间分别进行伽马校正和单尺度Retinex处理，并最终与CLAHE和双边滤波处理图像加权融合得到增强图像；韩平丽等[10]提出一种多尺度水下偏振成像方法，利用图像分层处理思想并结合小波变换，提高图像对比度，复原图像细节信息。

上述研究成果在水下图像增强领域都取得了一定的进展，但由于水下环境复杂多变，这些方法对图像增强对比度、亮度以及调整色偏的综合性效果不佳，故本文提出了一种水下图像增强的暗通道先验改进算法，能够综合解决水下图像颜色失真、细节模糊和对比度低下的问题，有效增强图像暗部细节，全面提高水下图像的对比度和清晰度。

多媒体课堂教学调动各项感官，富有趣味性，增加师生互动，符合学生对课堂的期待。目前尚存在一些问题，如教师过度使用多媒体，讲课速度快，容量大，学生难以跟上节奏；部分学生由于学习风格及习惯等对多媒体教学模式接受度不高。

过滤器技术可以屏蔽不良的网站，对网上色情、暴力和赌博等内容有强大的堵截功能。防火墙技术可以有效地将内部网与外部网隔离开来，保护网络不受未经授权的第三方侵入。

1 基于暗通道先验改进算法的水下图像增强方法

1.1 色偏校正

由入射分量L(x,y)的近似计算从而计算反射分量R(x,y)，入射分量的近似计算包括单尺度Retinex(SSR)算法[13]和多尺度Retinex(MSR)算法[14]。但这两种算法容易产生色差的问题，因此提出了带颜色恢复的多尺度Retinex(MSRCR)算法[15]。其数学表达式为

在每个像素位置(x)补偿红色通道Irc，即

2、县域经济实力不强，综合竞争优势较弱。近年来，广西县域经济综合实力有所提高，但与我国经济发达的省份相比，广西县域经济总量还是偏小，整体实力在全国范围仅处于中等水平，并且远远落后于发达省份。如在第十五届全国百强县名单中，江苏26个、山东 21个、浙江 18个、辽宁7个、福建6个、湖南4个，而广西却榜上无名，这说明广西县（市、区）综合竞争优势太弱。另外，广西仍有国定贫困县28个、自治区定贫困县22个，农村贫困人口达341万人。

(1)

当在浑浊或是浮游生物浓度较高的水域，蓝色通道可能会显著衰减，因此也需要补偿蓝色通道的衰减。补偿后的蓝色通道Ibc可表示为

(2)

该式含义与上文类似。式中：Ib和Ig分别表示图像I的蓝色通道和绿色通道；α也设为1。

限制对比度自适应直方图均衡(CLAHE)[16]通过对比度限幅能够有效限制噪声放大同时增强局部对比度，从而获得更多的图像相关边缘信息。

1.2 同态滤波

式中：L(x,y)为入射分量；R(x,y)为反射分量。

相比于不作为、乱作为，假作为更具迷惑性。表面看，一切工作都在按部就班地进行，甚至是一派热火朝天的干事形象，如果不仔细探究，很难发现这只是假象，因而也更难治理。

图1 算法对比图Fig.1 Comparison of algorithms

如图1(a)所示，进行色偏校正后的图像仍存在暗部细节模糊问题，因此利用同态滤波算法进一步改善。为了保证经过色偏校正的图像颜色不发生变化，将图像转换到LAB颜色空间中进行处理。在此空间中，保持颜色分量A，B不变，只对亮度分量L进行同态滤波，得到对比度更强的图像。 将经过同态滤波处理的亮度分量L与颜色分量A，B结合，转换至RGB颜色空间。如图1(b)所示，该算法处理后的暗部细节模糊问题得到有效改善，能够解决水下图像亮度不均所导致的暗部特征不明显的问题。

1.3 带颜色恢复的多尺度Retinex算法

利用Retinex理论增强的目的是通过排除光线照射的干扰，获取目标物体固有的反射特性[12]。对图像进行MSRCR处理能够有效提高图像的亮度和色彩饱和度，图像对比度整体加强，更加符合人眼的观测。

假设初始图像为I(x,y)，则

本研究采用理论研究和实证分析相结合的方法，针对要研究的主要问题搜集相关文献资料，初步形成本研究的理论基础；在理论分析的基础上设计并发放调查问卷，运用EXCEL软件对问卷数据进行统计分析.

I(x,y)=L(x,y)·R(x,y)

(3)

由于光在水下传播时有吸收和散射，水下图像会出现光照不均导致图像细节模糊。同态滤波算法能够压缩图像亮度范围并增强图像对比度。图1所示为算法对比情况。

白平衡是通过补偿由于水的深度对光选择性吸收导致的颜色损失以改善图像外观。水下图像通常呈蓝色调，而最能消除蓝色调的方法是灰度世界法。但直接采用灰度世界法会存在严重的红色伪影，导致红色位置被过度补偿。因此首先要补充红色通道的损失[11]。

(4)

式中：RMSR(x,y)为多尺度滤波后获取的高频细节图像；Gn(x,y)为单个尺度高斯滤波；n为某个尺度参数；λn为权值，这里取值为1/3；ns为用到的尺度数，这里采用3个尺度；RMSRCRi(x,y)为第i个通道结合了色彩恢复因子的多尺度滤波后的高频细节图像；参数α，β分别为非线性强度控制因子和增益常数。

1.4 限制对比度自适应直方图均衡

在补偿了红色和蓝色通道的衰减后，采用灰度世界法的假设来估计和补偿图像的色偏。但是经过色偏校正后的图像仍然存在细节模糊和对比度低的问题，需要对图像进一步处理。

由于有雾图像的对比度比无雾图像的对比度低，因而针对不同对比度的水下图像也应该有不同强度的暗通道先验图像。如图2所示，对比度较低的水下图像，其暗通道先验图像强度比较高，对比度较高的水下图像，其暗通道图像的强度比较低。综上所述，对于不同对比度的图像，对比度越大，其暗通道先验图像强度越低[19]。

(5)

式中：N为某一分块区域总像素；L为该分块区域内的最大灰度级数；α为截断系数，取值范围为[0,1)。

由于子块在均衡前后直方图各有差异，各子块的输出灰度值发生变化，直接根据子块的灰度变换输出结果图像会导致相邻块间出现块效应，因此在子块直方图均衡化后，利用双线性插值进行灰度值重构能够有效消除块效应，同时也提高了处理图像的速度。

通过建立水下图像数据集来验证本文算法的有效性。实验图像来源于网络搜索的水下图像数据集。实验环境的计算机配置为CPU Intel®CoreTMi5-9400F 2.90 GHz,RAM 16 GiB。实验算法编程环境为Spyder(Python3.7)。

水利工程前期工作成果质量评价工作的认识和实践……………………………………………………… 任铁军(9.30)

1.5 暗通道先验图像

暗通道先验是一种无雾室外图像的统计，是由HE等[18]提出的。暗通道先验理论提出，在绝大多数非天空的局部区域里，某些像素总是至少有1个颜色通道(R,G,B)的值很低，这说明了无雾图像的暗通道先验图像强度值比有雾图像的暗通道先验图像的强度值低。由于大气中有雾图像与水下有雾图像有一定的相似性，都可以用大气散射模型进行建模。因此，水下有雾图像的暗通道先验图像强度特点也应该与大气有雾图像的相似。将暗通道先验理论应用于水下图像，生成水下图像的暗通道先验图像，即

(6)

Idark→0

(7)

式中：Idark为暗通道先验图像；c为R，G，B三通道中的某一通道；Ic(x)为水下图像的某个通道；Ω(x)为以x为中心的局部窗口，窗口大小为15×15。

定理 若函数y=f(x)在区间[a,b]上的图象是一条不间断的曲线,且f(a)·f(b)<0,则函数y=f(x)在区间(a,b)上有零点．

对比度限幅是对分块区域直方图中高于某个阈值的像素进行裁剪后，把截取的部分再平均分配到直方图中，从而限制直方图幅值。受限阈值C为[17]

图2 不同对比度图像及其暗通道先验图像Fig.2 Different contrast images and dark channel prior images

1.6 基于暗通道先验改进算法的水下图像增强方法

根据同态滤波算法、MSRCR算法以及CLAHE算法在水下图像上的处理结果可知：同态滤波算法可以在一定程度上缓解图像亮度不均的情况，提升图像暗部的特征；MSRCR算法能够有效地提升图像的亮度和色彩饱和度；CLAHE算法有一定的去雾化效果，可以解决图像对比度低、全局偏白的问题。这3种算法都有各自最佳的应用场景，鉴于水下环境复杂多变，图像因各种问题造成失真，仅仅依靠一种图像增强算法解决所有水下图像的降质问题是不够的，因此将这3种算法处理的结果按照一定的规律进行图像加权融合，可以进一步提高水下图像增强算法的鲁棒性。鉴于水下图像应用领域对图像处理的效率及清晰度要求较高，本文提出一种水下图像增强的暗通道先验改进算法，根据暗通道先验图像来计算图像加权融合的权重系数，在最大程度上保持清晰度和对比度的同时提高融合效率。

在进行水下图像增强时，首先对图像进行色偏校正，接着将图像从RGB空间转换至LAB空间，在L分量上进行同态滤波处理后转换回RGB空间，分别在RGB空间中进行MSRCR处理和CLAHE处理，并计算处理结果图像的暗通道先验图像，由于暗通道先验图像的强度与水下图像的对比度成反比，因此，先由暗通道先验图像均值的exp函数计算出暗通道先验权重系数wDCP，定义为

(8)

式中：Imdark为暗通道先验图像的均值；σ是常数，通过对水下图像的暗通道先验图像均值计算可知，σ=10，能够有效保证暗通道先验权重系数不会过小，计算效率更高。

最后根据暗通道先验权重系数计算最终的融合权重系数，其算式为

(9)

式中：wDCPi为当前图像的暗通道先验权重系数；wDCP，other和wDCP，another为其他图像的暗通道先验权重系数。

计算完融合权重系数Wi后，对3幅处理结果图像首先进行RGB通道分解，得到9幅单通道图像，再分别按照其所属的图像通道分两步进行融合计算。对3幅处理结果图像按照不同顺序进行融合比较发现：先对同态滤波图像和CLAHE图像进行融合，再与MSRCR图像进行融合，其结果图像总体偏暗，对比度较低；先对MSRCR图像和CLAHE图像进行融合，再与同态滤波图像进行融合，其结果图像偏雾化，清晰度较低；先对同态滤波图像和MSRCR图像进行融合，再与CLAHE图像进行融合，其结果图像颜色效果更好，对比度和清晰度较高。因此，选用先融合同态滤波图像与MSRCR图像，后融合CLAHE图像的顺序。具体操作如下：首先进行第1步融合，同态滤波结果图像与MSRCR结果图像先分别进行RGB通道图像融合，再将得到的融合图像根据式(8)计算其暗通道先验权重系数wDCP，运用式(9)计算第2步融合的权重系数Wi，然后根据权重系数再次进行融合，将第1步融合结果图像与CLAHE结果图像分别进行RGB通道图像融合，最后将融合结果的RGB 3个通道合并，获取完整的融合结果图像。完整的加权融合图像增强处理算法结构如图3所示。

图3 图像增强处理算法结构Fig.3 Structure of image processing algorithm

2 实验结果与分析

2.1 实验数据与环境

选择耐高温抗病品种，搞品种搭配种植和套种，降低生产风险。栽种前要查看本地区常年最高温时段发生的时间，通过提前计划，调整播种期让抽雄吐丝期错开高温天气。

2.2 实验结果对比

为了说明本文算法的有效性，选取5幅不同场景和色调的水下图像进行处理，同时与文献[9]、文献[18]、CLAHE以及MSRCR这4种算法进行比较。实验结果如图4所示。文献[18] 和CLAHE算法都提高了图像的清晰度和对比度，但是色偏都没有被消除且文献[18]处理后图像整体偏暗；MSRCR算法有效提高了图像的亮度和颜色饱和度，但是色偏仍然存在，且图像细节雾化；文献[9]算法能够有效改善色偏，提高图像的清晰度和对比度，但图像容易产生过度曝光导致细节丢失；本文算法在提高对比度、清晰度和调整色偏的同时，增强了暗部细节，具有较好的视觉效果。

图4 不同算法的实验结果对比Fig.4 Comparison of experimental results of different methods

2.3 图像质量分析

与人眼的主观评价相比，利用图像的质量评估指标进行评价更具有说服力。利用水下图像质量度量(UIQM)[20]、信息熵、点锐度EAV(Equalized Assessed Value)3个质量指标对算法处理结果进行评估。

UIQM是水下彩色图像质量评价指标，利用色度、饱和度和对比度的线性组合进行评估，指标数值越大代表图像的效果越好，算式为

IUIQM=c1·CUICM+c2·CUISM+c3·CUIConM

(10)

式中：c1，c2和c3分别是线性组合中各分量的权重因子，c1=0.028 2，c2=0.295 3，c3=3.575 3；UICM是色度分量；UISM是清晰度分量；UIConM是对比度分量。

信息熵是度量图像包含信息量多少的一个客观评价指标，信息熵越高表示融合图像的信息量越高，质量越好，算式为

(11)

式中：p(x,y)为每个像素点的灰度比例；m，n为图像的大小。

点锐度EAV是通过计算图像中某一边界的灰度级变化来评价图像的清晰度，图像中的灰度变化大，边界更明朗，图像就更清晰，算式为

(12)

式中：df/dx为图像边缘方向的灰度变化率；f(b)-f(a)表示该方向的总体灰度变化。

邻居女的嗓门比较大，经常听她训斥她家女儿，埋怨她孩子脑子太笨，简单的数学题老是做错。她家女孩确实有些木讷，或许是经常挨骂皮实了，即便是被她妈妈大声呵斥也从来不吭声。我们搬到这个小区，和这家人做了半年邻居，却从来没有说过一句话。

利用3个图像质量指标对图4中的5幅图像进行评价，如表1所示。

表1 水下图像质量评价Table 1 Underwater image quality evaluation

文献[18]算法对图像的UIQM、信息熵以及EAV指标提高都不大，甚至略低于原图像，图像的对比度和清晰度都有所降低。CLAHE，MSRCR算法和文献[9]算法对图像质量的提升较为明显，CLAHE算法处理后部分的图像信息熵略优于实验的所有算法，但是由图4可知，CLAHE算法增强的图像仍然存在较大的色差，对UIQM指标有所影响。MSRCR算法虽然整体提高了亮度和色彩饱和度，但EAV指标还是略低，清晰度有所下降。文献[9]算法对图像进行了色偏纠正，同时提高了图像的对比度，部分UIQM和信息熵指标略优于实验的所有算法，但处理后图像会出现曝光过度的亮度不均问题，造成图像的细节信息丢失，导致EAV指标仅略高于原图像，降低了图像的整体清晰度。本文算法的UIQM、信息熵及EAV指标基本优于4种对比算法，清晰度指标EAV远远高于实验的所有算法，UIQM指标也几乎高于所有算法，有效纠正了图像色偏，增强了图像的清晰度和对比度。同时，由表2不同算法的平均运行时间可知，相比于文献[18]、文献[9]算法，本文算法的运行时间更短。但由于本文算法中包含了MSRCR和CLAHE两种算法的处理，因此运行时间长于这两种算法。

综上所述，培美曲塞联合顺铂治疗晚期非鳞非小细胞肺癌应用能降低血清肿瘤标志物CEA表达水平与提高ApoA1表达水平，提高治疗疗效，且不会增加毒副反应的发生，从而延长患者的生存期。

表2 不同算法的平均运行时间Table 2 Average running time of different algorithms

3 结论

针对水下环境复杂多变，水下图像出现细节模糊、对比度下降和颜色失真等问题，本文提出了一种基于暗通道先验改进算法的水下图像增强方法。首先通过补偿红、蓝色通道的损失，能够有效校正图像由于光的选择性吸收导致的颜色失真。其次利用色偏校正后的图像分别在LAB空间对L分量进行同态滤波，能够解决水下图像由于光的前向散射导致的细节模糊以及光照不均导致的暗部细节不清晰的问题；在RGB空间中对图像进行CLAHE处理，能够解决水下图像由于光的后向散射导致的整体呈现雾状模糊的问题；在RGB空间中进行MSRCR处理，能够有效均衡水下图像亮度并提高色彩饱和度，增强了图像整体的对比度。从主观视觉效果上，本文算法可以得到很好的颜色效果、较高的对比度和清晰度。客观上，在相同条件下，相较于其他对比算法，本文算法的图像增强效果更优，在UIQM、信息熵和EAV方面都取得很好的效果，特别是在图像整体偏暗时效果愈加显著。