1.一种基于分段颜色平衡和多尺度增强融合的水下图像增强方法,其特征在于:该方法包括下列顺序的步骤:(1)计算每个颜色通道的灰度平均值,选择灰度平均值最大的颜色通道作为颜色补偿的参考通道(2)使用拉伸函数来增加参考通道的动态范围,形成参考通道的校正版本并利用补偿待补偿的第一通道待补偿的第二通道得到校正后的第一通道和校正后的第二通道(3)将合并成颜色校正图像,将颜色校正图像从RGB图像空间转换为HSV颜色空间,利用高斯滤波器将V通道分解为包含雾霾效应的原始基础层和三个尺度细节层,所述三个尺度细节层包括第一尺度细节层、第二尺度细节层和第三尺度细节层;
(4)估计全局后向散射光和V通道上的场景透射率利用V通道上的场景透射率去除包含雾霾效应的原始基础层的雾霾效应,得到清晰基础层利用V通道上的场景透射率作为独立的拉伸系数增强每个尺度细节层上的纹理细节,得到增强细节层(5)引入加权融合函数融合增强细节层将增强细节层和清晰基础层合并成重建的亮度通道V的清晰图像JV(x,y),重建的亮度通道V的清晰图像JV(x,y)再和水下图像原始的H和S通道融合形成HSV空间的增强图像,将HSV空间的增强图像转换为RGB颜色空间表达,生成最终的增强结果。
2.根据权利要求1所述的基于分段颜色平衡和多尺度增强融合的水下图像增强方法,其特征在于:步骤(1)具体是指:对于水下图像Ic,计算得到每个颜色通道的灰度平均值其中,H和W分别表示输入的水下图像的行和列,r,g,b分别表示输入的水下图像在RGB空间的红、绿、蓝通道,Ic(i,j)是每个颜色通道在像素点坐标(i,j上的像素值;c为水下图像的颜色通道;
选择灰度平均值最大的颜色通道作为颜色补偿的参考通道
其中,max()是取最大值函数,分别表示红、绿、蓝通道的灰度平均值。
3.根据权利要求1所述的基于分段颜色平衡和多尺度增强融合的水下图像增强方法,其特征在于:步骤(2)具体是指:通过拉伸函数来增加参考通道的动态范围,形成参考通道的校正版本其中,和分别是输入水下图像中值的最大值和最小值;
利用补偿待补偿的第一通道待补偿的第二通道得到校正后的第一通道和校正后的第一通道其中,为的灰度平均值,为的灰度平均值,表示参考通道的灰度平均值;分别表示红、绿、蓝通道的灰度平均值。
4.根据权利要求1所述的基于分段颜色平衡和多尺度增强融合的水下图像增强方法,其特征在于:步骤(3)具体是指:首先,利用高斯卷积掩码G和HSV颜色空间中的亮度通道图像Iv之间的卷积运算生成包含雾霾效应的原始基础层式中,高斯卷积掩码G表示为:
其中,σ是分布的标准差,(x,y)是像素坐标;
利用亮度通道图像Iv和包含雾霾效应的原始基础层的差值,得到高斯金字塔的第一尺度细节层然后对亮度通道图像Iv进行下采样,得到第二尺度的亮度通道图像Iv,2,再根据下式计算得到第二尺度细节层式中,为第二尺度基础层;
最后再对第二尺度的亮度通道图像Iv,2进行下采,得到第三尺度的亮度通道图像Iv,3,根据下式计算得到第三尺度细节层式中,为第三尺度基础层。
5.根据权利要求1所述的基于分段颜色平衡和多尺度增强融合的水下图像增强方法,其特征在于:步骤(4)具体是指:用下式表示包含雾霾效应的原始基础层式中,是清晰基础层,是指全局后向散射光;表示V通道上的场景透射率,通过将水下场景原始透射率tc从RGB空间转换到HSV空间,提取V通道分量得到;当时,选择中前0.1%的最小像素的像素坐标来估计全局后向散射光:其中,是指中前99.9%的最大像素的像素值,(x*,y*)是中前0.1%的最小像素的像素坐标,是指在(x*,y*)坐标上的像素值;
对于尺度细节层而言,假设水下图像的局部块区域内场景透射率一致,由水下物理成像模型表示出水下图像的梯度与场景透射率的反比关系:其中,表示梯度算子;
利用水下场景原始透射率tc放大水下图像Ic的梯度以增强清晰图像Jc梯度将式(1)的操作变换到细节层上的梯度域进行,用下式表示细节层的梯度增强其中,是指第i个尺度细节层的原始梯度,ω是限制不同细节层梯度增强强度的非负参数,在泊松方程的帮助下,根据下式修正的梯度得到每个尺度的增强细节层式中,Restore是指梯度复原操作。
6.根据权利要求1所述的基于分段颜色平衡和多尺度增强融合的水下图像增强方法,其特征在于:步骤(5)具体是指:根据增强细节层,利用下式对第一、二、三尺度细节层进行加权求和后得到增强细节层其中,sgn是一个符号函数;w1,w2,w3是不同级别的三个复合参数;和分别表示第一、二、三尺度细节层的增强细节层;
根据清晰基础层和增强细节层通过下式推导出重建的亮度通道V的清晰图像JV(x,y):最后,通过将JV(x,y)和水下图像的H和S通道融合形成HSV空间的增强图像,再将HSV空间的增强图像转换为RGB颜色空间表达,生成最终的增强结果。
7.根据权利要求5所述的基于分段颜色平衡和多尺度增强融合的水下图像增强方法,其特征在于:在步骤(4)中,已知水下物理成像模型包括两个部分:反射物体辐照度Dc和后向散射光辐照度Ac,二者的计算公式如下:Dc(x,y)=Jc(x,y)tc(x,y),c∈{r,g,b}(2)其中,(x,y)为像素坐标,Jc为清晰图像,为全局空气光常数,tc为水下场景原始透射率,根据式(2)和式(3),水下物理成像模型表达为:其中,Ic是水下图像;当在水下图像Ic上进行颜色校正操作后,RGB通道的全局后向散射光几乎相同,且具有趋于1的像素值,因此对于颜色校正后的图像,式(3)重写为:Ac(x,y)=1-tc(x,y)(5)
根据水下物理成像模型,后向散射光辐照度Ac的每个像素值高于0,但不能高于Ic分量的最小值,在该前提下,定义一个Ic的最小通道,它由r、g、b通道之间每个像素的最小像素值组成,即:Im(x,y)=min{Ir(x,y),Ig(x,y),Ib(x,y)}其中,Im(x,y)是指由水下图像r、g、b通道中最小值组成的最小通道,min{Ir(x,y),Ig(x,y),Ib(x,y)}表示r、g、b通道之间最小值的选择;
Ir(x,y),Ig(x,y),Ib(x,y)分别表示r、g、b通道在像素点坐标(i,j)上的像素值;由于水下图像在一个小的局域内有一个相似的后向散射光,故使用中值滤波器使每个像素具有相同的后向散射光:其中,sv是中值滤波器的窗口大小;M(x,y)是指后向散射近似一致的最小通道;
使用以下等式进一步过滤掉M(x,y)中的残差结构和纹理信息:其中,A是粗后向散射光;
设计一个比例因子来补偿局部后向散射照度,该因子如下式所示:
其中,MeanA和MinA分别是粗后向散射光A的平均值和最小值;Thres是阈值,它决定是否需要补偿反向散射光,Thres=MaxA;然后根据Lambert-Beer经验定律,光强度的退化与材料的性质有关,光以指数依赖性传播;同时,考虑到指数函数和幂函数之间的相反迭代过程,利用A=Aratio来补偿背向散射光;最后,在改进的背向散射光的帮助下,根据下式估计水下场景原始透射率,即:tc(x,y)=1-Ac(x,y)
式中,Ac(x,y)是指补偿后的后向散射光;
将水下场景原始透射率tc转换至V通道空间表达形成并通过已估计的V通道上的场景透射率和全局后向散射光结合包含雾霾效应的原始基础层去除包含雾霾效应的原始基础层的雾霾效应,得到清晰基础层