[發明專利]基于多尺度細節增強的低光照水下圖像增強方法

在審

• 申請號: 202011072212.2
• 申請日: 2020-10-09
• 公開（公告）號: CN112561804A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 郭繼昌;張薇
• 申請（專利權）人: 天津大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/90
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 劉國威

1.一種基于多尺度細節增強的低光照水下圖像增強方法，其特征是，步驟如下：首先通過對灰度世界算法的顏色校正系數改進對圖像去除色偏，使圖像有很好的視覺效果；引入的多尺度細節增強算法增強圖像的細節信息，最后對顏色校正和對比度增強的兩幅圖像進行小波融合，進一步對圖像降噪和增強。

2.如權利要求1所述的基于多尺度細節增強的低光照水下圖像增強方法，其特征是，顏色校正具體步驟如下：

采用灰度世界法基于灰度變換去除色偏，每個顏色通道的變換公式如下：

其中是每個顏色通道的平均像素值，是綠色通道的平均像素值，I_c是每個顏色通道灰度變換前的像素值，是每個通道灰度變換后的像素值。

對比度增強具體步驟如下：

采用Retinex算法去除圖像的光照影響，圖像分解為反射分量和照度分量，如式(3)所示：

其中，是卷積符號，I₂(x,y)是亮度增強后的圖像，R(x,y)是反射分量，代表物體的反射屬性，是頻域中的高頻成分，L(x,y)是照度分量，具有空間平滑性，表現為低頻成分；

通過近似估計得到照度分量L(x,y)，具體通過高斯卷積的方法解決，如式(4)所示：

其中G₀(x,y)是高斯函數，采用高斯濾波估計出圖像的照度分量；

將(4)式代入(3)式，并進行對數變換：

對log₂(R(x,y))進行指數運算即可得到反射分量R(x,y)，即亮度增強后的圖像；

然后采用CLAHE算法對圖像進行對比度增強，該算法首先將圖像分割成大小相同的塊，對每塊統計得到的直方圖進行裁剪，裁剪掉的像素均勻分配到每個像素級，得到對比度受限的直方圖，最后根據對比度受限直方圖對原圖進行雙線性插值得到對比度增強圖像。

3.如權利要求1所述的基于多尺度細節增強的低光照水下圖像增強方法，其特征是，小波融合具體步驟如下：

采用小波融合方法對兩幅圖像進行處理，具體采用融合規則，對兩幅圖像的信息進行互補合成得到一幅比原圖像有更好的視覺效果的新圖像，首先對兩幅圖像分別進行二層的小波分解，分解得到的低頻分量和高頻分量分別采用不同的融合規則進行融合。低頻分量在融合時，為了更好地去除噪聲和保留圖像亮度信息，采用加權平均的融合規則，如式(14)所示：

A＝a₁×A₁+a₂×A₂， (14)

其中A₁、A₂分別表示兩幅待融合的圖像小波分解后的低頻分量，因為采用的是加權平均的融合規則，因此融合系數a₁＝a₂＝0.5，A是融合后的低頻分量；

高頻分量采用基于區域特性量測的融合規則，分別通過濾波函數與高頻分量卷積，得到兩幅圖像相應分解層上對應局部區域的能量：

其中H₁、H₂分別表示兩幅待融合的圖像小波分解后的高頻分量，ω是濾波函數，

計算兩幅圖像對應局部區域的匹配度：

匹配度用于衡量兩幅圖像在該區域上的能量差，M＜0.7，說明兩圖像在該區域上的能量相差較大，能量較大表明該區域有更多的細節信息，因此選擇能量大的區域的像素作為融合圖像的像素值，則融合后的高頻分量為：

如果M≥0.7，說明兩圖像在該區域上能量相差不大，此時采用加權的方法進行融合，融合后的高頻分量為：

其中α、β表示融合權重，α＝1-β，將融合后的的兩幅圖像進行小波重構，得到最后增強的圖像。