歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >>
水下光學(xué)圖像增強(qiáng)與復(fù)原方法及應(yīng)用

水下光學(xué)圖像增強(qiáng)與復(fù)原方法及應(yīng)用

出版社：科學(xué)出版社出版時(shí)間：2021-11-01
開本： B5 頁數(shù)： 192
中 圖 價(jià):¥78.2(7.9折) 定價(jià)  ¥99.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

水下光學(xué)圖像增強(qiáng)與復(fù)原方法及應(yīng)用 版權(quán)信息

水下光學(xué)圖像增強(qiáng)與復(fù)原方法及應(yīng)用 本書特色

適讀人群 ：電子信息、物聯(lián)網(wǎng)技術(shù)、計(jì)算機(jī)和自動(dòng)化等專業(yè)高年級(jí)本科生與研究生，水下圖像處理領(lǐng)域的科研技術(shù)人員理論聯(lián)系實(shí)際，內(nèi)容新穎；圍繞水下光學(xué)圖像增強(qiáng)，結(jié)合作者近年來研究與實(shí)踐，系統(tǒng)闡述水下光學(xué)圖像增強(qiáng)的理論和方法，并通過典型應(yīng)用案例進(jìn)行驗(yàn)證。

水下光學(xué)圖像增強(qiáng)與復(fù)原方法及應(yīng)用 內(nèi)容簡介

CCD在低透明度水渾條件下獲取的可見光圖像產(chǎn)生嚴(yán)重的非均勻亮度和細(xì)節(jié)模糊，圖像對(duì)比度差、信噪比低，且存在顏色失真問題等問題。為此本書結(jié)合作者近幾年的研究成果與應(yīng)用實(shí)踐系統(tǒng)分析和闡述了水下光學(xué)圖像增強(qiáng)與復(fù)原技術(shù)和方法。針對(duì)不同場景下獲取的水下低質(zhì)圖像中存在的不同問題分別采取不同的方法進(jìn)行了深入研究。

水下光學(xué)圖像增強(qiáng)與復(fù)原方法及應(yīng)用 目錄

目錄
前言
第1章 緒論 1
1.1 研究背景及意義 1
1.2 國內(nèi)外研究現(xiàn)狀 2
1.2.1 基于暗通道理論的圖像復(fù)原算法研究 6
1.2.2 基于偏振成像技術(shù)的圖像復(fù)原算法研究 7
1.2.3 超分辨率重構(gòu)算法的國內(nèi)外研究 9
1.3 本書的主要內(nèi)容 14
參考文獻(xiàn) 16
第2章 基于仿射陰影形成模型的水下圖像增強(qiáng)算法 23
2.1 引言 23
2.2 仿射陰影形成模型及其改進(jìn)模型 23
2.3 基于改進(jìn)仿射陰影形成模型的水下圖像增強(qiáng)算法 25
2.3.1 光照問題區(qū)域的界定 26
2.3.2 算法的流程 27
2.4 實(shí)驗(yàn)結(jié)果與對(duì)比分析 27
2.4.1 水下人工紋理圖像勻光處理實(shí)驗(yàn) 27
2.4.2 水下自然紋理圖像勻光處理實(shí)驗(yàn) 29
2.4.3 分析與討論 30
2.5 本章小結(jié) 31
參考文獻(xiàn) 31
第3章 基于粗糙集上下近似的水下圖像增強(qiáng)算法 32
3.1 引言 32
3.2 粗糙集知識(shí)表達(dá)模型構(gòu)建 33
3.3 水下圖像背景亮度近似劃分 34
3.4 自適應(yīng)分層的背景亮度均衡及前景紋理增強(qiáng) 37
3.5 實(shí)驗(yàn)結(jié)果與對(duì)比分析 39
3.5.1 增強(qiáng)實(shí)驗(yàn) 40
3.5.2 實(shí)驗(yàn)分析 47
3.6 本章小結(jié) 48
參考文獻(xiàn) 48
第4章 基于仿鱟復(fù)眼機(jī)制的水下圖像增強(qiáng)算法 50
4.1 引言 50
4.2 仿鱟復(fù)眼圖像增強(qiáng)機(jī)制 50
4.2.1 生物視覺亮度均勻原理 50
4.2.2 鱟復(fù)眼仿生機(jī)制 51
4.3 仿鱟復(fù)眼機(jī)制的圖像增強(qiáng)算法 54
4.3.1 亮度自適應(yīng)均勻 54
4.3.2 自適應(yīng)非對(duì)稱窄條引導(dǎo)的側(cè)抑制 55
4.4 實(shí)驗(yàn)結(jié)果與對(duì)比分析 59
4.5 本章小結(jié) 63
參考文獻(xiàn) 63
第5章 基于水下低分辨率圖像退化模型的圖像增強(qiáng)算法 64
5.1 引言 64
5.2 水下低分辨率圖像退化模型 65
5.2.1 低分辨率圖像退化模型 65
5.2.2 水下光學(xué)成像的低分辨率圖像退化模型構(gòu)建 66
5.2.3 水下光學(xué)成像的低分辨率圖像退化模型分析 72
5.3 基于改進(jìn)水下低分辨率圖像退化模型的圖像增強(qiáng)算法 74
5.3.1 水下低分辨率圖像退化模型關(guān)鍵參數(shù)估計(jì) 76
5.3.2 基于水下低分辨率圖像退化模型的超分辨率重構(gòu) 79
5.4 實(shí)驗(yàn)結(jié)果與對(duì)比分析 80
5.4.1 增強(qiáng)效果對(duì)比 81
5.4.2 模型適用性驗(yàn)證 83
5.5 本章小結(jié) 86
參考文獻(xiàn) 87
第6章 基于暗通道的水下圖像增強(qiáng)算法 88
6.1 引言 88
6.2 基于暗通道的水下圖像去模糊 90
6.2.1 參數(shù)估計(jì) 90
6.2.2 圖像去模糊 93
6.2.3 改進(jìn)ACE的自適應(yīng)對(duì)比度增強(qiáng) 94
6.3 單點(diǎn)白平衡的顏色校正 96
6.4 實(shí)驗(yàn)結(jié)果與對(duì)比分析 97
6.4.1 實(shí)驗(yàn)結(jié)果 97
6.4.2 算法性能分析 100
6.5 本章小結(jié) 103
參考文獻(xiàn) 103
第7章 基于改進(jìn)水下光學(xué)成像模型的圖像增強(qiáng)算法 104
7.1 引言 104
7.2 水下光學(xué)成像模型 104
7.3 改進(jìn)水下光學(xué)成像模型和場景入射光的估計(jì) 106
7.3.1 改進(jìn)水下光學(xué)成像模型 106
7.3.2 場景入射光的估計(jì) 108
7.4 基于水下光學(xué)輻照特性的透射率估計(jì) 111
7.5 實(shí)驗(yàn)結(jié)果與對(duì)比分析 115
7.5.1 實(shí)驗(yàn)結(jié)果 115
7.5.2 算法性能分析 118
7.6 本章小結(jié) 120
參考文獻(xiàn) 121
第8章 基于優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的圖像增強(qiáng)算法 122
8.1 引言 122
8.2 卷積神經(jīng)網(wǎng)絡(luò)原理 122
8.3 UIRNet網(wǎng)絡(luò)結(jié)構(gòu)分析 125
8.3.1 特征提取層 127
8.3.2 多尺度特征映射層 128
8.3.3 特征重標(biāo)定層 129
8.3.4 非線性回歸層 130
8.4 UIRNet的訓(xùn)練信息 131
8.5 實(shí)驗(yàn)結(jié)果與對(duì)比分析 132
8.5.1 實(shí)驗(yàn)結(jié)果 133
8.5.2 算法性能分析 137
8.6 本章小結(jié) 138
參考文獻(xiàn) 139
第9章 基于結(jié)構(gòu)相似性的水下偏振圖像增強(qiáng)算法 140
9.1 引言 140
9.2 水下偏振成像 140
9.2.1 偏振成像原理 140
9.2.2 水下偏振成像模型 141
9.3 基于結(jié)構(gòu)相似性的水體透射率估計(jì) 143
9.4 圖像復(fù)原 147
9.5 實(shí)驗(yàn)結(jié)果與對(duì)比分析 148
9.5.1 實(shí)驗(yàn)結(jié)果 148
9.5.2 算法性能分析 149
9.6 本章小結(jié) 151
參考文獻(xiàn) 151
第10章 基于暗通道理論的水下偏振圖像復(fù)原算法 153
10.1 引言 153
10.2 偏振圖像去模糊 153
10.2.1 透射率估計(jì) 153
10.2.2 目標(biāo)偏振反射光恢復(fù) 155
10.3 目標(biāo)反射光的偏振復(fù)原 157
10.3.1 光的偏振狀態(tài) 157
10.3.2 偏振復(fù)原 159
10.4 自適應(yīng)對(duì)比度增強(qiáng)與顏色校正 160
10.5 實(shí)驗(yàn)結(jié)果與對(duì)比分析 162
10.5.1 實(shí)驗(yàn)結(jié)果 162
10.5.2 算法性能分析 164
10.6 本章小結(jié) 165
參考文獻(xiàn) 165
第11章 基于色彩遷移的半全局水下圖像復(fù)原算法 167
11.1 引言 167
11.2 色彩遷移算法分析 168
11.2.1 色彩空間模型概述 168
11.2.2 色彩遷移算法 170
11.2.3 實(shí)驗(yàn)結(jié)果分析 170
11.3 水下色彩衰減水平估計(jì)模型 172
11.4 實(shí)驗(yàn)結(jié)果與對(duì)比分析 175
11.5 本章小結(jié) 181
參考文獻(xiàn) 182
展開全部

水下光學(xué)圖像增強(qiáng)與復(fù)原方法及應(yīng)用 節(jié)選

第1章 緒論 1.1 研究背景及意義 隨著全球人口數(shù)量的激增、經(jīng)濟(jì)和科學(xué)的迅速發(fā)展，陸地上的各種資源(如石油、煤礦、木材)不斷被消耗，已滿足不了人類日益增長的需求，所以人類開始越來越重視水下資源的開發(fā)與利用。江河中蘊(yùn)藏著豐富的水生物資源，湖海中則蘊(yùn)藏著豐富的石油、天然氣和煤礦等社會(huì)發(fā)展不可或缺的能源，而且種類繁多的海洋生物資源也有待研究和開發(fā)。因此水下探測技術(shù)正處于一個(gè)舉足輕重的地位，水下目標(biāo)清晰化就顯得越發(fā)重要。目前，水下探測技術(shù)已有廣泛的應(yīng)用，如壩堤和壩體的裂縫檢測、水下管道檢測、海底地形勘探、水下考古探測、水下魚雷潛艇跟蹤、水質(zhì)環(huán)境檢測以及海洋生態(tài)保護(hù)等。 基于可見光的視覺探測技術(shù)多應(yīng)用于小范圍、近距離的水下目標(biāo)場景，且要滿足高精度的接收數(shù)據(jù)需求，如海洋石油平臺(tái)檢測和油管裂縫檢測等。一般地，視覺探測技術(shù)獲取到的水下圖像或視頻包含的信息量更加豐富，加上更加直觀的表現(xiàn)方式使視覺探測技術(shù)有著無可替代的地位，如通過對(duì)水下大壩底部進(jìn)行測試獲取的數(shù)字圖像信息，可以獲知大壩是否存在裂縫。 圖像的質(zhì)量會(huì)直接影響人眼或者機(jī)器對(duì)獲取圖像的計(jì)算、識(shí)別、分析和理解的準(zhǔn)確性。但是觀測設(shè)備的成像質(zhì)量在水下常受到諸多因素的影響，致使獲取的圖像存在一定程度的退化，如圖像散焦模糊、相機(jī)抖動(dòng)產(chǎn)生的模糊、大氣湍流、光電傳感器的非線性映射以及水體的吸收散射等。大部分機(jī)器視覺系統(tǒng)都需要準(zhǔn)確清晰地提取圖像的特征來進(jìn)行后續(xù)的處理，但是一般系統(tǒng)對(duì)光照環(huán)境非常敏感，尤其是在水下環(huán)境中，圖像特征不明顯會(huì)導(dǎo)致特征提取失敗。目標(biāo)反射光在從反射點(diǎn)傳播到成像點(diǎn)的過程中會(huì)受到介質(zhì)中懸浮顆粒的散射和反射作用，導(dǎo)致成像系統(tǒng)的性能明顯下降甚至無法正常作業(yè)，獲取的圖像特征模糊不清。水下環(huán)境作業(yè)由于水下光線較暗，往往需要輔助點(diǎn)光源，所獲取的圖像就會(huì)存在光照不均勻現(xiàn)象，水下影像主要受到水體對(duì)光線的吸收與散射效應(yīng)、水體渾濁度、光照條件等因素的影響。水下環(huán)境作業(yè)也會(huì)遭遇光照不均，光照不均勻增加了檢測工作的難度，因此，對(duì)光照的處理成為視覺檢測工作的一個(gè)重要環(huán)節(jié)。勻光處理是針對(duì)存在光照不均勻現(xiàn)象的圖像消除光照負(fù)面影響、實(shí)現(xiàn)光照均衡的過程。 另外，水分子對(duì)傳播光線具有選擇性吸收的特點(diǎn)，導(dǎo)致獲取到的水下圖像存在顏色失真的問題。一方面，因?yàn)椴煌ㄩL的光線在水中傳播時(shí)的衰減程度不相同，其中藍(lán)光的波長較短，在水中衰減較弱，傳輸性能較好；而紅光的波長*長，在水中衰減*嚴(yán)重，傳輸性能*差，所以水下圖像的色調(diào)大多為藍(lán)色或綠色。另一方面，水分子和懸浮顆粒會(huì)與全局背景光發(fā)生后向散射作用，導(dǎo)致水下光學(xué)成像的過程中有許多雜散光一并進(jìn)入成像設(shè)備，因此水下圖像通常存在一層類似霧霾的紗狀物，這是導(dǎo)致水下圖像模糊和對(duì)比度低的主要因素。而且不同的水下環(huán)境的后向散射程度也不盡相同，進(jìn)一步加大了去除這一層紗狀物的技術(shù)難度。通過以上分析，水下圖像通常存在邊緣細(xì)節(jié)模糊、對(duì)比度偏低和藍(lán)綠色分量偏重的問題。為了提高視覺系統(tǒng)在惡劣環(huán)境下的實(shí)用性和魯棒性，有必要對(duì)采集到的水下退化圖像進(jìn)行增強(qiáng)處理。 近年來，隨著機(jī)器視覺技術(shù)及相關(guān)技術(shù)的迅速發(fā)展，使用傳統(tǒng)圖像處理技術(shù)和深度學(xué)習(xí)等方法提高水下圖像質(zhì)量，并滿足機(jī)器識(shí)別的需求已成為社會(huì)關(guān)注的熱點(diǎn)問題。一般地，用于水下圖像復(fù)原的方法可分為兩類：水下圖像增強(qiáng)算法和基于水下光學(xué)成像模型的水下圖像復(fù)原算法。 水下圖像增強(qiáng)算法不過多考慮成像過程中圖像的退化，通過改變圖像像素灰度值來調(diào)整圖像的視覺效果，只使用定量的客觀標(biāo)準(zhǔn)衡量提升效果來達(dá)到優(yōu)化圖像的目的；適用性高，可以顯著地提高水下圖像的對(duì)比度、增強(qiáng)圖像場景邊緣細(xì)節(jié)和改善圖像的清晰度，但會(huì)損失一定的高頻部分信息。水下圖像復(fù)原算法著重于恢復(fù)目標(biāo)反射光原有的特性，算法一般先對(duì)圖像退化的物理原理進(jìn)行分析研究，再對(duì)圖像退化過程建立水下光學(xué)成像模型，根據(jù)模型計(jì)算或估計(jì)其中的未知參數(shù)，*后通過參數(shù)反演成像模型，并對(duì)圖像失真進(jìn)行補(bǔ)償，獲得沒有被散射、吸收及其他因素干擾的目標(biāo)反射光或其*優(yōu)估計(jì)，從而提高水下圖像的質(zhì)量。圖像復(fù)原算法需獲取各種參數(shù)來建立數(shù)學(xué)模型，如衰減系數(shù)、水體透射率、相機(jī)參數(shù)、背景光強(qiáng)度以及景物距離等，這些參數(shù)一般可以通過直接測量或其他手段估計(jì)得到。復(fù)原算法針對(duì)性較強(qiáng)，恢復(fù)效果自然，較少產(chǎn)生信息丟失。 1.2 國內(nèi)外研究現(xiàn)狀 隨著計(jì)算機(jī)軟件和圖像采集系統(tǒng)的發(fā)展完善，水下圖像增強(qiáng)算法的實(shí)時(shí)性和增強(qiáng)效果也獲得了很大的提高。多年的研究表明，水體的散射和吸收作用造成光的衰減，目標(biāo)與成像設(shè)備之間的懸浮物增加了圖像噪聲，人造光源的非均勻光照以及水體微粒對(duì)光的后向散射造成水下場景模糊并降低圖像的對(duì)比度等是限制水下成像距離和圖像質(zhì)量的主要原因。 在水下復(fù)雜環(huán)境中，水中懸浮顆粒的不規(guī)則運(yùn)動(dòng)、水質(zhì)區(qū)域性差異、水體微粒對(duì)光的后向散射、光線隨著水深的衰減以及水介質(zhì)對(duì)光線的吸收均比較明顯，水下設(shè)備所成的像不經(jīng)過一定的增強(qiáng)或者復(fù)原處理幾乎不能直接在實(shí)際中使用。而且圖像質(zhì)量還會(huì)隨著水下環(huán)境的變差而衰減，只有當(dāng)處于光照條件充足、微粒較少的良好水體中所成的像才較清晰。但是，隨著水污染的加劇，水中形式各樣的微粒、微生物含量增大，水體質(zhì)量逐漸惡化，導(dǎo)致成像質(zhì)量總體比較差 [1]。而高質(zhì)量的水下圖像在科研、經(jīng)濟(jì)和軍事等多個(gè)方面都有非常大的需求。雖然目前存在大量對(duì)天空?qǐng)D像去霧進(jìn)而復(fù)原圖像、改善圖像視覺效果的方法，但由于水下環(huán)境的復(fù)雜性和特殊性，天空?qǐng)D像處理方法不能完全適用于水下圖像的去模糊和顏色修復(fù)，而現(xiàn)有的較廣泛使用的水下圖像增強(qiáng)算法在某些方面仍存在問題，因此，開展水下圖像增強(qiáng)和圖像復(fù)原算法研究具有重要意義。 水下圖像增強(qiáng)方法大致可以分為兩類：空域法與變換域法？沼蚍ㄊ且曰叶扔成錇榛A(chǔ)，直接對(duì)圖像像素進(jìn)行操作，如圖像對(duì)比度增強(qiáng)、圖像灰度層級(jí)改善等。其中傳統(tǒng)的增強(qiáng)圖像對(duì)比度的方法有直方圖均衡化 [2](histogram equalization， HE)與限制對(duì)比度自適應(yīng)直方圖均衡化 [3](contrast limited adaptive histogram equalization，CLAHE)、灰度邊緣假設(shè) [4]、白平衡 [5]以及灰度世界法 [6]等。這些常用的圖像增強(qiáng)方法對(duì)于普通圖像效果較好，但對(duì)水下圖像增強(qiáng)效果不理想。HE會(huì)在處理圖像過程中放大噪聲并引入偽影，降低圖像質(zhì)量；由于水下圖像對(duì)比度低、邊緣細(xì)節(jié)不明顯，灰度邊緣假設(shè)在處理水下圖像時(shí)容易失效；在光照不充分的條件下，白平衡和灰度世界法會(huì)使圖像顏色產(chǎn)生嚴(yán)重的失真。所以空域法在增強(qiáng)圖像效果的同時(shí)，也存在顏色失真、產(chǎn)生偽影以及放大噪聲的問題。變換域法是通過一些變換規(guī)則將圖像從空域變換到頻域、小波域等其他特征域，再利用變換域的特性進(jìn)行相應(yīng)的圖像增強(qiáng)，*后重新轉(zhuǎn)換回空域得到增強(qiáng)圖像。小波變換 [7-9]在處理水下圖像時(shí)，可以去除圖像噪聲，但不能解決圖像模糊、對(duì)比度差和顏色失真的問題。對(duì)于水下特殊且復(fù)雜的光照環(huán)境，只依靠變換域無法得到理想的增強(qiáng)結(jié)果。 對(duì)于水下圖像增強(qiáng)算法的研究，主要有顏色校正方法和綜合型方法。Chambah等[10]基于 Land[11]的 Retinex理論，考慮到人工輔助光源的影響，提出了水下彩色恒常理論，在水下圖像顏色恢復(fù)上有較好的魯棒性和非監(jiān)督性，能有效地進(jìn)行水下圖像特征提取和分割。Retinex理論與物體表面的反射特性有著密切的聯(lián)系，而與物體表面所受的光照特性關(guān)系不大；其本質(zhì)是從一幅圖像中獲取物體反射光，從而達(dá)到圖像增強(qiáng)的效果。許多學(xué)者 [12-15]通過改變光照條件或者對(duì)水下光照進(jìn)行處理來對(duì)其進(jìn)行改進(jìn)，其中常用的有多尺度視網(wǎng)膜增強(qiáng)( multi-scale Retinex，MSR)算法 [16]、帶色彩恢復(fù)的多尺度視網(wǎng)膜增強(qiáng)( multi-scale Retinex with color restoration，MSRCR)算法[17，18]等。Torres-Méndez和 Dudek[19]通過馬爾可夫隨機(jī)場(Markov random fields，MRF)分析真實(shí)的水下目標(biāo)反射光與獲取的水下失真圖像的關(guān)系，利用統(tǒng)計(jì)先驗(yàn)的方法對(duì)圖像顏色進(jìn)行恢復(fù)，實(shí)驗(yàn)表明該方法能有效地應(yīng)用于不同的水下場景。Bazeille等[20]提出了一種融合同態(tài)濾波、小波去噪、各向異性濾波和 HE的水下圖像增強(qiáng)方法，用于提高水下圖像的質(zhì)量。Iqbal等[21]提出了一種基于直方圖滑動(dòng)拉伸的水下圖像增強(qiáng)算法，該方法能夠簡單有效地解決水下圖像對(duì)比度丟失和顏色衰減的問題；該團(tuán)隊(duì)還提出了一種用于水下圖像的非監(jiān)督式色彩校正方法( unsupervised colour correction method，UCM)[22]，該方法基于 RGB和 HIS顏色空間的色彩平衡和對(duì)比度校正，有效地去除了圖像中較重的藍(lán)色分量，提高了較低的紅色分量，并改善了水下圖像的低照度和顏色異常的問題。石丹等 [23]提出了一種基于非下采樣輪廓小波變換和 MSR的水下圖像增強(qiáng)算法，顯著地解決了水下圖像邊緣細(xì)節(jié)模糊、噪聲明顯和對(duì)比度低的問題。Ancuti等[24]分別將經(jīng)過顏色校正和對(duì)比度增強(qiáng)后的兩幅圖像進(jìn)行融合，提高了水下圖像和影像的清晰度、暗區(qū)域曝光效果，消除了圖像中較明顯的噪聲。楊淼和紀(jì)志成 [25]提出了一種基于模糊形態(tài)篩和四元數(shù)的水下彩色圖像增強(qiáng)算法，改善水中非均勻光照的影響，恢復(fù)場景色彩，并通過增加目標(biāo)與背景的差異提高水下圖像對(duì)比度。.elebi和 Ertürk[26]根據(jù)經(jīng)驗(yàn)?zāi)B(tài)分解算法增強(qiáng)水下圖像和影像的視覺效果。陳從平等[27]將前景目標(biāo)從背景中分離，并對(duì)前景目標(biāo)進(jìn)行同態(tài)濾波處理，增強(qiáng)圖像高頻細(xì)節(jié)分量的同時(shí)抑制模糊的低頻信息。Henke等[28]基于顏色恒常理論對(duì)水下圖像的顏色失真進(jìn)行修正，解決了 Retinex理論應(yīng)用于水下時(shí)存在的問題。Fu等[29]運(yùn)用水下圖像顏色校正、顏色恒常理論、自適應(yīng)光照分量增強(qiáng)等相結(jié)合的方法進(jìn)行水下圖像增強(qiáng)。Kan等[30]根據(jù)水體對(duì)不同波長的光具有不同的吸收作用進(jìn)行圖像的顏色恢復(fù)。Ji和 Wang [31]根據(jù)圖像結(jié)構(gòu)分解的優(yōu)勢，去除了水下圖像非均勻光照的影響。Li和 Guo[32]通過水下圖像去模糊、 HE、顏色補(bǔ)償、光照強(qiáng)度和飽和度拉升以及雙邊濾波器濾波等一系列的處理達(dá)到提高圖像亮度、清晰度、顏色分布和抑制噪聲的目的。Abunaser等[33]基于粒子群算法對(duì)水下圖像進(jìn)行增強(qiáng)，降低了水體吸收作用和后向散射產(chǎn)生的圖像模糊。水下圖像增強(qiáng)算法的研究總體上都圍繞著圖像去模糊、遠(yuǎn)處景物對(duì)比度增強(qiáng)和顏色恢復(fù)進(jìn)行。 對(duì)于水下圖像復(fù)原算法的研究，研究人員也進(jìn)行了很多嘗試和創(chuàng)新。Trucco和 Olmos-Antillon[34]根據(jù)文獻(xiàn)[35，36]中建立的水下光學(xué)成像模型，提出了一種自適應(yīng)的水下圖像濾波算法，能夠有效地減少散射光的影響。Hou等[37]認(rèn)為水下圖像表面的霧狀模糊是由水體微粒對(duì)光的散射引起的，結(jié)合傳統(tǒng)的圖像復(fù)原方法與水下圖像的特性，對(duì)散射參數(shù)進(jìn)行估計(jì)并反卷積得到水下復(fù)原圖像。Carlevaris- Bianco等[38]根據(jù)不同波長的光衰減系數(shù)不同的特點(diǎn)，對(duì)場景深度進(jìn)行估計(jì)，再去除散射光對(duì)成像的影響進(jìn)行圖像復(fù)原。張赫等 [39]將大氣湍流模型應(yīng)用于水下圖像復(fù)原，得到較為清晰的圖像和良好的圖像分割效果。Chiang和 Chen[40]結(jié)合天空?qǐng)D像去霧算法的優(yōu)勢和光波長與衰減系數(shù)的關(guān)系進(jìn)行水下圖像復(fù)原，降低了人造光源所產(chǎn)生的非均勻光照的影響，并顯著改善了圖像的質(zhì)量。Lu等[41]針對(duì)水下圖像存在的散射光照模糊和顏色失真的問題，提出了一種雙邊三角濾波和顏色恢復(fù)算法相結(jié)合的方法對(duì)圖像進(jìn)行復(fù)原。Wen等[42]通過建立新的水下光照成像模型，對(duì)光的散射參數(shù)和后向散射進(jìn)行估計(jì)，并逆推模型得到復(fù)原圖像。Serikawa和 Lu[43]通過能量的形式對(duì)圖像的退化進(jìn)行補(bǔ)償，降低了圖像的顏色失真和模糊。Galdran等[44]根據(jù)暗通道去霧模型 [45]，提出了紅信道方法進(jìn)行圖像對(duì)比度的恢復(fù)，算法能夠較好地復(fù)

商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
編輯推薦
返回頂部
中圖網(wǎng)
在線客服