[發(fā)明專利]一種自適應(yīng)分?jǐn)?shù)階多尺度熵融合的水下圖像增強方法

在審

• 申請?zhí)枺?/td>: 201911132467.0
• 申請日: 2019-11-19
• 公開（公告）號: CN110910323A
• 公開（公告）日: 2020-03-24
• 發(fā)明（設(shè)計）人: 馬金祥;范新南;張燕紅;高敏;王崴
• 申請（專利權(quán)）人: 常州工學(xué)院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50;G06T7/13
• 代理公司: 南京知識律師事務(wù)所 32207
• 代理人: 王昊

本發(fā)明公開了一種自適應(yīng)分?jǐn)?shù)階多尺度熵融合的水下圖像增強方法，包括：將原始水下圖像劃分成非重疊的圖像塊；建立梯度域分?jǐn)?shù)階的階數(shù)參考矩陣；構(gòu)建多尺度的分?jǐn)?shù)階的階數(shù)參考矩陣；獲取與尺度數(shù)一致的基于分?jǐn)?shù)階的增強輸出圖像；計算融合后的圖像的信息熵和對比度；確定圖像塊內(nèi)對比度增強的輸出圖像；獲取全局對比度增強圖像；將原始水下圖像由RGB圖像轉(zhuǎn)換為灰度圖像；求得梯度圖像的自適應(yīng)增益函數(shù)；獲得最終的基于分?jǐn)?shù)階多層熵融合的自適應(yīng)增益水下增強圖像；輸出基于分?jǐn)?shù)階多層熵融合的自適應(yīng)增益水下增強圖像。本發(fā)明的自適應(yīng)的分?jǐn)?shù)階微分圖像增強方法對紋理區(qū)域的圖像增強有很好的效果，同時能適應(yīng)圖像梯度與亮度的變化，使得圖像的增強效果更好。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像信息處理領(lǐng)域，具體涉及一種自適應(yīng)分?jǐn)?shù)階多尺度熵融合的水下圖像增強方法。

背景技術(shù)

水下目標(biāo)探測圖像往往存在非均勻亮度、低信噪比、低對比度等特殊情況，導(dǎo)致水下圖像降質(zhì)嚴(yán)重。圖像增強是對原始圖像進(jìn)行處理加工，改善圖像的顯示效果，使其轉(zhuǎn)換成更適合圖像分析處理的一類有效方法。有學(xué)者對整數(shù)階微分圖像增強進(jìn)行改進(jìn)，通過對其進(jìn)行加權(quán)或綜合其他方法，可以提升整數(shù)階微分的增強效果。但是，這些方法仍然無法有效改善整數(shù)階微分對噪聲敏感以及容易抑制圖像紋理細(xì)節(jié)的缺點，同時固定階數(shù)的分?jǐn)?shù)階微分圖像增強算子對紋理區(qū)域的圖像增強有很好的效果，但不能適應(yīng)圖像梯度與亮度的變化，對于圖像增強與噪聲抑制受到限制。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提出了一種自適應(yīng)分?jǐn)?shù)階多尺度熵融合的水下圖像增強方法，包括以下步驟：

將原始水下圖像劃分成非重疊的圖像塊；

將圖像塊由RGB圖像轉(zhuǎn)換為灰度圖像，應(yīng)用4方向Sobel邊緣檢測器計算圖像塊的灰度圖像對應(yīng)的梯度圖像，統(tǒng)計各圖像塊灰度圖像的亮度圖像；

在圖像塊內(nèi)部，以梯度圖像的梯度均值為主要參考因素，以亮度圖像的亮度均值為輔助參考因素，建立梯度域分?jǐn)?shù)階的階數(shù)參考矩陣；

梯度域分?jǐn)?shù)階的階數(shù)參考矩陣的基礎(chǔ)上，構(gòu)建多尺度的分?jǐn)?shù)階的階數(shù)參考矩陣；

在圖像塊內(nèi)部進(jìn)行多尺度分?jǐn)?shù)階微積分運算，獲取與尺度數(shù)一致的基于分?jǐn)?shù)階的增強輸出圖像；

在與尺度數(shù)一致的基于分?jǐn)?shù)階的增強輸出圖像的基礎(chǔ)上，在圖像塊內(nèi)部對不同功率因數(shù)的增強輸出圖像進(jìn)行均值融合，并計算融合后的圖像的信息熵和對比度；

對圖像塊內(nèi)融合后的圖像的信息熵和對比度進(jìn)行比較分析，確定圖像塊內(nèi)對比度增強的輸出圖像；

利用雙線性插值，對圖像塊內(nèi)對比度增強的輸出圖像進(jìn)行相鄰區(qū)域內(nèi)的像素重新賦值操作，獲取全局對比度增強圖像；

輸入原始水下圖像，將原始水下圖像由RGB圖像轉(zhuǎn)換為灰度圖像；

應(yīng)用4方向Sobel邊緣檢測器計算灰度圖像對應(yīng)的梯度圖像，求得梯度圖像的自適應(yīng)增益函數(shù)；

結(jié)合梯度圖像的自適應(yīng)增益函數(shù)對全局對比度增強圖像進(jìn)行基于自適應(yīng)梯度增益的廣義有界對數(shù)乘法運算，獲得最終的基于分?jǐn)?shù)階多層熵融合的自適應(yīng)增益水下增強圖像；

輸出基于分?jǐn)?shù)階多層熵融合的自適應(yīng)增益水下增強圖像。

進(jìn)一步地，所述將原始水下圖像劃分成M×N個非重疊的圖像塊，圖像塊具體表示為：

Block_c，m，n

其中，c表示顏色通道c＝{r，g，b}；r，g，b分別表示紅綠藍(lán)三種顏色通道；m，n表示圖像塊檢索，m＝0，1，2，…，M-1，n＝0，1，2，…，N-1，M為劃分的圖像塊的總行數(shù)，N為劃分的圖像塊的總列數(shù)。

進(jìn)一步地，所述梯度域分?jǐn)?shù)階的階數(shù)參考矩陣具體為：