CN107220950A - 一种自适应暗通道先验的水下目标探测图像增强方法 - Google Patents
一种自适应暗通道先验的水下目标探测图像增强方法 Download PDFInfo
- Publication number
- CN107220950A CN107220950A CN201710401103.2A CN201710401103A CN107220950A CN 107220950 A CN107220950 A CN 107220950A CN 201710401103 A CN201710401103 A CN 201710401103A CN 107220950 A CN107220950 A CN 107220950A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- image
- mtr
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 25
- 230000005540 biological transmission Effects 0.000 claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 19
- 230000002708 enhancing effect Effects 0.000 claims abstract description 16
- 238000005286 illumination Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000000205 computational method Methods 0.000 claims 1
- 239000000284 extract Substances 0.000 claims 1
- 238000011084 recovery Methods 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Separation Using Semi-Permeable Membranes (AREA)
Abstract
本发明公开了一种自适应暗通道先验的水下目标探测图像增强方法，其步骤包括：获取水下探测目标原始彩色图像；粗略估算对应的透射图；在暗通道图像中提取前0.1％亮度最高的像素点，并在原图像中提取对应的点中强度最大的点，将该点的三通道亮度值作为光照向量值；应用导向滤波方法，精确估算对应的透射图；应用暗通道先验理论，计算原始图像的去噪恢复图像；分析计算去噪恢复图像三通道亮度值的均值与方差；对去噪恢复图像进行基于概率分布理论的3σ原则的区域划分和自适应剪平线性拉伸增强；对增强图像进行整体定量评价。本发明能在图像直方图分析的基础上，解决图像拉伸区间问题，增加图像的视觉效果、提高图像的清晰度和对比度。
Description
技术领域
本发明属于数字图像信息处理领域，具体涉及一种自适应暗通道先验的水下目标探测图像增强方法。
背景技术
水下目标探测图像获取主要依靠近距离拍摄物体表面纹理信息实现，存在非均匀亮度、低信噪比、低对比度等特殊情况。由于水体对光线的散射和吸收，辅助光源亮度的局限性，不可避免会产生图像偏亮、偏暗或低对比度等现象。常用的水下目标探测图像增强算法主要分为修改水下图像的光照和抑制图像对比度以保留图像边缘两大类，但不可避免会降低探测图像的视觉质量。基于光照散射物理模型利用先验条件进行图像逆向还原，最经典的为何恺明博士的暗通道先验去雾方法。暗通道先验理论计算彩色图像中一定尺度窗口中各通道像素点的最小值，并将此值作为暗通道先验信息，然后通过估算场景的深度信息，结合通过图像亮度分析的光照向量值，计算逆向还原去噪恢复图像。暗通道先验理论在单幅图像的去雾清晰化处理中取得了比较好的应用效果。由于受到水的光学特性以及水中各种微粒、浮游生物和水体流动的影响，直接平移和转嫁暗通道先验理论的研究成果进行水下探测图像增强存在如下的困难：一、由于水下目标原始图像获取时其辅助光源亮度值是固定的，去噪恢复的图像灰度值不可避免会局限在一个有限的范围之内；二、图像线性拉伸技术是图像增强的基本方法之一，但是，如何确定拉伸区间是尚待解决的问题。
发明内容
本发明所要解决的技术问题，面对存在非均匀亮度、低信噪比、低对比度环境下的水下大坝裂缝检测图像的精确定位和准确描述的客观实际需求，提供一种自适应暗通道先验的水下目标探测图像增强方法，实现水下目标探测图像去噪处理，提高水下目标探测图像的视觉质量。
本发明采用如下方案实现：
一种自适应暗通道先验的水下目标探测图像增强方法，包括以下步骤：
第一步：获取水下探测目标原始彩色图像I；
第二步：按He方法计算图像I的粗略透射图T(I)，具体计算过程如下：
a)计算图像I的暗通道图像DC(I)，式中，Ic是I的一个颜色通道；
b)设定最小滤波尺度窗口Ω:N×N；
c)计算DC(I)进行尺度窗口Ω的最小值滤波输出DCΩ(I)；
d)对DCΩ(I)进行反色、归一化处理，得到对应的粗略透射图T(I)。
第三步：在暗通道图像DC(I)中提取前0.1％亮度最高的像素点，并在原图像中提取对应的点中强度最大的点，将该点的三通道R、G、B亮度值作为光照向量值A。光照向量值A具体表示为：
A＝[A(R),A(G),A(B)]
第四步：应用导向滤波估算精确透射图。其中，导向图像为原始彩色图像I对应的灰度图像Gray(I)，滤波输入图像为经最小值滤波的粗略透射图像T(I)，计算对应的精确透射图Q(I)；
第五步：应用暗通道先验理论，分别按照不同的颜色通道，计算原始图像的去噪恢复图像J；具体计算过程如下：
第六步：统计分析去噪恢复图像J三通道R、G、B亮度值的均值与方差，具体计算公式表示为：
均值：
标准差：
方差：
式中，c＝R,G,B；w和h分别表示图像像素点的宽度和高度。
第七步：分析计算去噪恢复图像J基于概率分布3σ理论与8位图像位宽的重合区域Φ＝[μc+down×σc,μc+up×σc]I[0,255]的上限值down与下限值up，具体计算过程如下：
a)
b)
第八步：基于概率分布理论的3σ原则，对去噪恢复图像3σ在线性拉伸区域[μc+down×σc,μc+up×σc]进行自适应剪平线性增强，剪平线性拉伸输出图像J′表示为：
式中，c＝R,G,B。
第九步：对增强图像从均值、方差、对比度和信息熵等方面进行整体定量评价，相关定量评价指标函数表示为：
均值：
标准差：
对比度：式中，n＝|i-j|，为灰度共生矩阵
信息熵：式中，pn为像素值n出现的概率。
本发明所达到的有益之处在于：
本发明的方法，可以只利用单幅非均匀光照、低信噪比、低对比度水下目标探测图像自身的信息，对图像进行自适应暗通道先验的水下目标探测图像增强。先获取原始图像的暗通道图像，通过最小滤波算法，粗略估算透射图；计算高亮度像素点，获取辅助光源光照向量。应用导向滤波算法，在原始图像的灰度图像和透射图的基础上，精确估算透射图。应用暗通道先验理论，计算原始图像的去噪恢复增强图像。对去噪恢复图像进行基于概率分布理论的3σ原则的自适应剪平线性拉伸增强，最后对恢复图像J从均值、方差、对比度和信息熵等方面进行综合评价。本发明中用到的基于概率分布理论的3σ原则自适应计算区间参数方法，能在图像直方图分析的基础上，解决图像拉伸区间问题，增加图像的视觉效果、提高图像的清晰度和对比度。
附图说明
图1是本发明的方法的控制流程图。
图2是概率分布3σ原则线性拉伸控制流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
参照图1所示，本发明是一种自适应暗通道先验的水下目标探测图像增强方法，整体流程图如图1所示，具体实现步骤如下：
第一步：获取水下探测目标原始彩色图像I；
第二步：按He方法计算图像I的粗略透射图T(I)，具体计算过程如下：
a)计算图像I的暗通道图像DC(I)，式中，Ic是I的一个颜色通道；
b)设定最小滤波尺度窗口Ω:N×N；
c)计算DC(I)进行尺度窗口Ω的最小值滤波输出DCΩ(I)；
d)对DCΩ(I)进行反色、归一化处理，得到对应的粗略透射图T(I)。
第三步：在暗通道图像DC(I)中提取前0.1％亮度最高的像素点，并在原图像中提取对应的点中强度最大的点，将该点的三通道R、G、B亮度值作为光照向量值A。光照向量值A具体表示为：
A＝[A(R),A(G),A(B)]
第四步：应用导向滤波估算精确透射图。其中，导向图像为原始彩色图像I对应的灰度图像Gray(I)，滤波输入图像为经最小值滤波的粗略透射图T(I)，计算对应精确透射图Q(I)；
第五步：应用暗通道先验理论，分别按照不同的颜色通道，计算原始图像的去噪恢复图像J；具体计算过程如下：
第六步：统计分析去噪恢复图像J三通道R、G、B亮度值的均值与方差，具体计算公式表示为：
均值：
标准差：
方差：
式中，c＝R,G,B；w和h分别表示图像像素点的宽度和高度。
第七步：分析计算去噪恢复图像J基于概率分布3σ理论与8位图像位宽的重合区域Φ＝[μc+down×σc,μc+up×σc]I[0,255]的上限值down与下限值up，具体计算过程如下：
a)
b)
第八步：基于概率分布理论的3σ原则，对去噪恢复图像3σ在线性拉伸区域[μc+down×σc,μc+up×σc]进行自适应剪平线性增强，剪平线性拉伸输出图像J′表示为：
第九步：对增强图像从均值、方差、对比度和信息熵等方面进行整体定量评价，相关定量评价指标函数表示为：
均值：
标准差：
对比度：式中，n＝|i-j|，为灰度共生矩阵
信息熵：式中，pn为像素值n出现的概率
一种自适应暗通道先验的水下目标探测图像增强方法有关问题的说明：
(1)暗通道原理存在的前提是图像中存在大片阴影和鲜艳的颜色，显然水下目标探测图像并不总是满足这样的特性。对颜色失真图像的数据分析后发现，当输入图像中某个通道的像素值小于辅助光照向量中对应值时会出现失真现象，两者差距越大，图像失真情况越严重。为减小失真，应对透射率进行修正，适当增加取值；
(2)基于概率分布理论的3σ原则自适应线性拉伸方法，对灰度直方图呈单峰分布的目标图像处理效果良好。尽管水下目标探测图像并非总是满足直方图单峰分布特性，但应用基于概率分布理论的3σ原则自适应线性拉伸方法依然能取得比较理想的增强效果；
(3)对于灰度直方图分布函数符合单峰对称分布的图像，以[μc-3σc,μc+3σc]为图像拉伸区域，分段拉伸节点为[μc-3σc,μc-2σc,μc-σc,μc+σc,μc+2σc,μc+3σc]，能取得非常好的增强效果；
(4)对于基于暗通道先验的非均匀光场水下目标探测图像增强结果的评价，可以对均值、方差、对比度和信息熵等指标进行不同的权重评估，以适应不同应用场合的实际需求；
(5)对于需要局部增强的图像区域(例如水下大坝裂缝图像区域等)，可以突破整体图像灰度值概率分布拟合规则的限制，采取非线性拉伸(如对数拉伸、指数拉伸或正弦函数拉伸等等)控制策略，以满足对局部图像增强的需求。
综上所述，本发明一种自适应暗通道先验的水下目标探测图像增强方法包括如下：步骤一：获取水下探测目标原始彩色图像；步骤二：在计算原始彩色图像暗通道图像的基础上，通过最小值滤波算法，粗略估算对应的透射图；步骤三：在暗通道图像中提取前0.1％亮度最高的像素点，并在原图像中提取对应的点中强度最大的点，将该点的三通道亮度值作为光照向量值；步骤四：应用导向滤波方法，导向图像为原始彩色图像对应的灰度图像，滤波输入图像为经最小值滤波的粗略透射图像，精确估算对应的透射图；步骤五：应用暗通道先验理论，分别按照不同的颜色通道，计算原始图像的去噪恢复图像；步骤六：分析计算去噪恢复图像三通道亮度值的均值与方差；步骤七：对去噪恢复图像进行基于概率分布理论的3σ原则的区域划分；步骤八：对去噪恢复图像进行基于概率分布理论的3σ原则的自适应剪平线性拉伸增强；步骤九：对增强图像从均值、方差、对比度和信息熵等方面进行整体定量评价。本发明中用到的基于概率分布理论的3σ原则自适应计算区间参数方法，能在图像直方图分析的基础上，解决图像拉伸区间问题，增加图像的视觉效果、提高图像的清晰度和对比度。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.一种自适应暗通道先验的水下目标探测图像增强方法，其特征在于，包括以下步骤：
步骤1：获取水下探测目标原始彩色图像；
步骤2：在计算原始彩色图像暗通道图像的基础上，通过最小值滤波算法，粗略估算对应的透射图；
步骤3：在暗通道图像中提取前0.1％亮度最高的像素点，并在原图像中提取对应的点中强度最大的点，将该点的三通道R、G、B亮度值作为光照向量值；
步骤4：应用导向滤波方法，导向图像为原始彩色图像对应的灰度图像，滤波输入图像为经最小值滤波的粗略透射图像，精确估算对应的透射图；
步骤5：应用暗通道先验理论，分别按照不同的颜色通道，计算原始图像的去噪恢复图像；
步骤6：分析计算去噪恢复图像三通道亮度值的均值与方差；
步骤7：对去噪恢复图像进行基于概率分布理论的3σ原则的区域划分；
步骤8：对去噪恢复图像进行基于概率分布理论的3σ原则的自适应剪平线性拉伸增强；
步骤9：对增强图像从包括均值、方差、对比度和信息熵的方面进行整体定量评价。
2.根据权利要求1所述的一种自适应暗通道先验的水下目标探测图像增强方法，其特征在于，步骤2中所述粗略估算对应的透射图包括如下步骤：
步骤2-1：计算原始彩色图像I的暗通道图像DC(I)，式中，Ic是I的一个颜色通道；
步骤2-2：设定最小滤波尺度窗口Ω:N×N；
步骤2-3：计算DC(I)进行尺度窗口Ω的最小值滤波输出DCΩ(I)；
步骤2-4：对DCΩ(I)进行反色、归一化处理，得到对应的粗略透射图T(I)。
3.根据权利要求1所述的一种自适应暗通道先验的水下目标探测图像增强方法，其特征在于，步骤3中所述光照向量值A表示为：
A＝[A(R),A(G),A(B)]。
4.根据权利要求1所述的一种自适应暗通道先验的水下目标探测图像增强方法，其特征在于，步骤5中所述计算原始图像的去噪恢复图像的过程如下：
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mo>:</mo>
<mo>,</mo>
<mo>:</mo>
<mo>,</mo>
<mi>R</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mo>:</mo>
<mo>,</mo>
<mo>:</mo>
<mo>,</mo>
<mi>R</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>Q</mi>
<mo>(</mo>
<mi>I</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>R</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mo>:</mo>
<mo>,</mo>
<mo>:</mo>
<mo>,</mo>
<mi>G</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mo>:</mo>
<mo>,</mo>
<mo>:</mo>
<mo>,</mo>
<mi>G</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>Q</mi>
<mo>(</mo>
<mi>I</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>G</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mo>:</mo>
<mo>,</mo>
<mo>:</mo>
<mo>,</mo>
<mi>B</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mo>:</mo>
<mo>,</mo>
<mo>:</mo>
<mo>,</mo>
<mi>B</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>Q</mi>
<mo>(</mo>
<mi>I</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>B</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>Q</mi>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
式中，Q(I)为精确透射图。
5.根据权利要求1所述的一种自适应暗通道先验的水下目标探测图像增强方法，其特征在于，步骤6的计算方法为：
均值：
标准差：
方差：
式中，c＝R,G,B；w和h分别表示图像像素点的宽度和高度。
6.根据权利要求1所述的一种自适应暗通道先验的水下目标探测图像增强方法，其特征在于，所述步骤7，分析计算去噪恢复图像J基于概率分布3σ理论与8位图像位宽的重合区域Φ＝[μc+down×σc,μc+up×σc]I[0,255]的上限值down与下限值up，具体计算过程如下：
<mrow>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mi>n</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>3</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>c</mi>
</msub>
<mo>-</mo>
<mn>3</mn>
<msub>
<mi>&sigma;</mi>
<mi>c</mi>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>2</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>c</mi>
</msub>
<mo>-</mo>
<mn>3</mn>
<msub>
<mi>&sigma;</mi>
<mi>c</mi>
</msub>
<mo><</mo>
<mn>0</mn>
<msub>
<mi>and&mu;</mi>
<mi>c</mi>
</msub>
<mo>-</mo>
<mn>2</mn>
<msub>
<mi>&sigma;</mi>
<mi>c</mi>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>c</mi>
</msub>
<mo>-</mo>
<mn>2</mn>
<msub>
<mi>&sigma;</mi>
<mi>c</mi>
</msub>
<mo><</mo>
<mn>0</mn>
<msub>
<mi>and&mu;</mi>
<mi>c</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&sigma;</mi>
<mi>c</mi>
</msub>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
<mrow>
<mi>u</mi>
<mi>p</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>3</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>c</mi>
</msub>
<mo>+</mo>
<mn>3</mn>
<msub>
<mi>&sigma;</mi>
<mi>c</mi>
</msub>
<mo>&le;</mo>
<mn>255</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>2</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>c</mi>
</msub>
<mo>+</mo>
<mn>3</mn>
<msub>
<mi>&sigma;</mi>
<mi>c</mi>
</msub>
<mo>></mo>
<mn>255</mn>
<msub>
<mi>and&mu;</mi>
<mi>c</mi>
</msub>
<mo>+</mo>
<mn>2</mn>
<msub>
<mi>&sigma;</mi>
<mi>c</mi>
</msub>
<mo>&le;</mo>
<mn>255</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>c</mi>
</msub>
<mo>+</mo>
<mn>2</mn>
<msub>
<mi>&sigma;</mi>
<mi>c</mi>
</msub>
<mo>></mo>
<mn>255</mn>
<msub>
<mi>and&mu;</mi>
<mi>c</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&sigma;</mi>
<mi>c</mi>
</msub>
<mo><</mo>
<mn>255</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>.</mo>
</mrow>
7.根据权利要求1所述的一种自适应暗通道先验的水下目标探测图像增强方法，其特征在于，所述步骤8，基于概率分布理论的3σ原则，对去噪恢复图像3σ在线性拉伸区域[μc+down×σc,μc+up×σc]进行自适应剪平线性增强，剪平线性拉伸输出图像J′表示为：
<mrow>
<msup>
<mi>J</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mo>:</mo>
<mo>,</mo>
<mo>:</mo>
<mo>,</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mo>:</mo>
<mo>,</mo>
<mo>:</mo>
<mo>,</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mo>&le;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&mu;</mi>
<mi>c</mi>
</msub>
<mo>+</mo>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mi>n</mi>
<mo>&times;</mo>
<msub>
<mi>&sigma;</mi>
<mi>c</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>A</mi>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mo>:</mo>
<mo>,</mo>
<mo>:</mo>
<mo>,</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&mu;</mi>
<mi>c</mi>
</msub>
<mo>+</mo>
<mi>u</mi>
<mi>p</mi>
<mo>&times;</mo>
<msub>
<mi>&sigma;</mi>
<mi>c</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mi>A</mi>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mi>J</mi>
<mo>(</mo>
<mrow>
<mo>:</mo>
<mo>,</mo>
<mo>:</mo>
<mo>,</mo>
<mi>c</mi>
</mrow>
<mo>)</mo>
<mo>-</mo>
<mo>(</mo>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>c</mi>
</msub>
<mo>+</mo>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mi>n</mi>
<mo>&times;</mo>
<msub>
<mi>&sigma;</mi>
<mi>c</mi>
</msub>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mi>p</mi>
<mo>-</mo>
<mi>d</mi>
<mi>o</mi>
<mi>w</mi>
<mi>n</mi>
<mo>)</mo>
<mo>&times;</mo>
<msub>
<mi>&sigma;</mi>
<mi>c</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
<mi>w</mi>
<mi>i</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中，c＝R,G,B。
8.根据权利要求1所述的一种自适应暗通道先验的水下目标探测图像增强方法，其特征在于，步骤9中，均值、方差、对比度和信息熵的定量评价指标函数为：
均值：
标准差：
对比度：式中，n＝|i-j|，为灰度共生矩阵；
信息熵：式中，pn为像素值n出现的概率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710401103.2A CN107220950A (zh) | 2017-05-31 | 2017-05-31 | 一种自适应暗通道先验的水下目标探测图像增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710401103.2A CN107220950A (zh) | 2017-05-31 | 2017-05-31 | 一种自适应暗通道先验的水下目标探测图像增强方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107220950A true CN107220950A (zh) | 2017-09-29 |
Family
ID=59947115
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710401103.2A Pending CN107220950A (zh) | 2017-05-31 | 2017-05-31 | 一种自适应暗通道先验的水下目标探测图像增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107220950A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107833189A (zh) * | 2017-10-30 | 2018-03-23 | 常州工学院 | 对比受限自适应直方图均衡的水下目标探测图像增强方法 |
| CN108133467A (zh) * | 2018-01-29 | 2018-06-08 | 河海大学常州校区 | 基于粒计算的水下图像增强***及增强方法 |
| CN108171705A (zh) * | 2018-01-20 | 2018-06-15 | 南京理工大学 | 一种透明玻璃瓶内液体的异物检测算法 |
| CN109102482A (zh) * | 2018-07-20 | 2018-12-28 | 广州市普汉科技有限公司 | 用于获得适用于激光雕刻的浮雕复古效果图像处理方法 |
| CN109284769A (zh) * | 2018-08-02 | 2019-01-29 | 哈尔滨工程大学 | 一种基于量化参数的水下图像自适应分类方法 |
| CN111784645A (zh) * | 2020-06-15 | 2020-10-16 | 北京科技大学 | 一种充填管道裂纹检测方法 |
| CN113436106A (zh) * | 2021-07-02 | 2021-09-24 | 鹏城实验室 | 水下图像的增强方法、装置及计算机存储介质 |
| CN113808038A (zh) * | 2021-09-08 | 2021-12-17 | 瑞芯微电子股份有限公司 | 图像处理方法、介质及电子设备 |
| CN115345525A (zh) * | 2022-10-17 | 2022-11-15 | 江苏鑫缘医疗科技有限公司 | 基于机器视觉的肌肉绷带在线生产测试***及方法 |
| CN115861450A (zh) * | 2022-10-28 | 2023-03-28 | 河南科技学院 | 分段线性拉伸的水下图像颜色校正方法 |
| CN116540293A (zh) * | 2023-06-28 | 2023-08-04 | 赛诺威盛科技(北京)股份有限公司 | 探测器的测试方法、装置和*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104008528A (zh) * | 2014-05-21 | 2014-08-27 | 河海大学常州校区 | 基于阈值分割的非均匀光场水下目标探测图像增强方法 |
| CN105139347A (zh) * | 2015-07-10 | 2015-12-09 | 中国科学院西安光学精密机械研究所 | 一种结合暗通道先验原理的偏振成像去雾方法 |
| CN106056559A (zh) * | 2016-06-30 | 2016-10-26 | 河海大学常州校区 | 基于暗通道先验的非均匀光场水下目标探测图像增强方法 |
-
2017
- 2017-05-31 CN CN201710401103.2A patent/CN107220950A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104008528A (zh) * | 2014-05-21 | 2014-08-27 | 河海大学常州校区 | 基于阈值分割的非均匀光场水下目标探测图像增强方法 |
| CN105139347A (zh) * | 2015-07-10 | 2015-12-09 | 中国科学院西安光学精密机械研究所 | 一种结合暗通道先验原理的偏振成像去雾方法 |
| CN106056559A (zh) * | 2016-06-30 | 2016-10-26 | 河海大学常州校区 | 基于暗通道先验的非均匀光场水下目标探测图像增强方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘陶胜 等: "结合像素频率分布特征的遥感图像自适应线性增强", 《江西理工大学学报》 * |
| 马金祥 等: "暗通道先验的大坝水下裂缝图像增强算法", 《中国图象图形学报》 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107833189A (zh) * | 2017-10-30 | 2018-03-23 | 常州工学院 | 对比受限自适应直方图均衡的水下目标探测图像增强方法 |
| CN108171705A (zh) * | 2018-01-20 | 2018-06-15 | 南京理工大学 | 一种透明玻璃瓶内液体的异物检测算法 |
| CN108133467A (zh) * | 2018-01-29 | 2018-06-08 | 河海大学常州校区 | 基于粒计算的水下图像增强***及增强方法 |
| CN108133467B (zh) * | 2018-01-29 | 2021-12-07 | 河海大学常州校区 | 基于粒计算的水下图像增强***及增强方法 |
| CN109102482B (zh) * | 2018-07-20 | 2021-07-27 | 广州市普汉科技有限公司 | 用于获得适用于激光雕刻的浮雕复古效果图像处理方法 |
| CN109102482A (zh) * | 2018-07-20 | 2018-12-28 | 广州市普汉科技有限公司 | 用于获得适用于激光雕刻的浮雕复古效果图像处理方法 |
| CN109284769A (zh) * | 2018-08-02 | 2019-01-29 | 哈尔滨工程大学 | 一种基于量化参数的水下图像自适应分类方法 |
| CN109284769B (zh) * | 2018-08-02 | 2022-03-18 | 哈尔滨工程大学 | 一种基于量化参数的水下图像自适应分类方法 |
| CN111784645A (zh) * | 2020-06-15 | 2020-10-16 | 北京科技大学 | 一种充填管道裂纹检测方法 |
| CN111784645B (zh) * | 2020-06-15 | 2023-08-22 | 北京科技大学 | 一种充填管道裂纹检测方法 |
| CN113436106A (zh) * | 2021-07-02 | 2021-09-24 | 鹏城实验室 | 水下图像的增强方法、装置及计算机存储介质 |
| CN113436106B (zh) * | 2021-07-02 | 2023-01-24 | 鹏城实验室 | 水下图像的增强方法、装置及计算机存储介质 |
| CN113808038A (zh) * | 2021-09-08 | 2021-12-17 | 瑞芯微电子股份有限公司 | 图像处理方法、介质及电子设备 |
| CN115345525A (zh) * | 2022-10-17 | 2022-11-15 | 江苏鑫缘医疗科技有限公司 | 基于机器视觉的肌肉绷带在线生产测试***及方法 |
| CN115345525B (zh) * | 2022-10-17 | 2023-02-24 | 江苏鑫缘医疗科技有限公司 | 基于机器视觉的肌肉绷带在线生产测试***及方法 |
| CN115861450A (zh) * | 2022-10-28 | 2023-03-28 | 河南科技学院 | 分段线性拉伸的水下图像颜色校正方法 |
| CN116540293A (zh) * | 2023-06-28 | 2023-08-04 | 赛诺威盛科技(北京)股份有限公司 | 探测器的测试方法、装置和*** |
| CN116540293B (zh) * | 2023-06-28 | 2023-09-26 | 赛诺威盛科技(北京)股份有限公司 | 探测器的测试方法、装置和*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107220950A (zh) | 一种自适应暗通道先验的水下目标探测图像增强方法 | |
| CN106056559A (zh) | 基于暗通道先验的非均匀光场水下目标探测图像增强方法 | |
| Peng et al. | Generalization of the dark channel prior for single image restoration | |
| US11127122B2 (en) | Image enhancement method and system | |
| Wang et al. | Dehazing for images with large sky region | |
| CN102063706B (zh) | 一种快速去雾方法 | |
| CN103455979B (zh) | 一种低照度视频图像增强方法 | |
| CN110570360B (zh) | 一种基于Retinex的鲁棒和全面的低质量光照图像增强方法 | |
| CN106846263A (zh) | 基于融合通道且对天空免疫的图像去雾方法 | |
| CN103413275A (zh) | 基于梯度零范数最小化的Retinex夜间图像增强方法 | |
| CN103345733B (zh) | 基于改进暗通道先验的快速低照度图像增强方法 | |
| CN102096909B (zh) | 基于对数图像处理模型的改进的反锐化掩模图像增强方法 | |
| CN107316278A (zh) | 一种水下图像清晰化处理方法 | |
| CN103268598A (zh) | 基于Retinex理论的低照度低空遥感影像增强方法 | |
| CN107507145A (zh) | 一种基于不同颜色空间自适应直方图拉伸的水下图像增强方法 | |
| CN102831591A (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
| CN104240194A (zh) | 一种基于抛物线函数的低照度图像增强算法 | |
| CN111598791B (zh) | 一种基于改进动态大气散射系数函数的图像去雾方法 | |
| CN103985091A (zh) | 基于亮度暗先验与双边滤波的单幅图像去雾方法 | |
| CN105631834A (zh) | 一种夜视图像增强方法 | |
| CN104574328A (zh) | 一种基于直方图分割的彩色图像增强方法 | |
| CN107203980A (zh) | 自适应多尺度暗通道先验的水下目标探测图像增强方法 | |
| CN106570839A (zh) | 基于Red Channel先验的水下图像清晰化方法 | |
| CN106408526A (zh) | 一种基于多层矢量图的能见度检测方法 | |
| CN105894474A (zh) | 一种非线性图像增强方法及边缘检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170929 |
|
| RJ01 | Rejection of invention patent application after publication |