图像增强｜不同颜色模型下自适应直方图拉伸的水下图像增强

点击蓝字

关注我们

论文基本信息

作者：黄冬梅,王龑,宋巍,王振华,杜艳玲

邮箱:  黄冬梅，E-mail:dmhuang@shou.edu.cn

          宋巍，E-mail:wsong@shou.edu.cn

单位：上海海洋大学信息学院, 上海 201306

引用格式：Huang D M, Wang Y, Song W, Wang Z H, Du Y L. Underwater image enhancement method using adaptive histogram stretching in different color models[J]. Journal of Image and Graphics, 2018, 23(5): 640-651. [黄冬梅, 王龑, 宋巍, 王振华, 杜艳玲. 不同颜色模型下自适应直方图拉伸的水下图像增强[J]. 中国图象图形学报, 2018, 23(5): 640-651.]

DOI: 10.11834/jig.170610

点击网址阅读全文：

http://www.cjig.cn/html/jig/2018/5/weixin/20180503.htm

研究亮点

1. 为保证不同类型水下图像的增强效果，根据水下图像成像原理复杂、对比度低、可视性差的特点。提出了在两种颜色模型下自适应直方图拉伸的水下图像增强方法。

2. 通过动态地选择需要拉伸的范围和期望的范围，以适用于多种直方图分布的水下图像的增强。

3. 本文方法与纯粹基于物理模型的方法相比具有较低计算复杂度，与基于非物理模型方法相比，可以适用于不同复杂环境下的水下图像增强。

图1本文方法流程图

图2 红色通道的拉伸示意图

实验结果

实验平台采用Window7，Python3.6.3语言编程环境，Intel 3.6GHz CPU时钟频率，内存为8.0GB。

定性分析

邀请10名本学院计算机视觉方向的老师和硕士生为30幅鱼类、水藻、珊瑚三种图像依次打分，最后算出平均值（见表1）。图3给出了本文方法与其他4种方法的输出结果所对应的直方图分布。图4对比了不同类型的水下图像经过多种水下图像增强、复原方法后的处理结果。

表1 水下图像复原或增强的平均主观质量分数

图3  直方图分布结果

图4 定性分析(图片放大获得最好的视觉效果)

定量分析

使用多个定量分析指标对本文方法进行验证，包括信息熵（ENTROPY）、水下彩色图像质量评价（UCIQE）、 高动态范围的视觉差异预测-High-Dynamic Range Visual Difference Predictor2（Q-MOS）、均方误差（MSE）和 峰值信噪比（PSNR）。表2中的数据是300幅水下图片经过不同的水下图像增强后各指标的平均值

表2  水下图像增强后各项指标平均值

方法局限性

1. 没有将人造光源考虑在图像增强方法中，可能会在人造光源区域产生过增强和过饱和现象。

2. 本文方法的对比度增强和颜色纠正算法虽然可以保留大量细节、平衡颜色，如果整体图像过于暗淡，本文方法不能有效地复原图像、提高图像亮度。

3. 在RGB颜色模型中，只考虑了场景到相机的距离，而忽略了光线从水平面到目标对象的距离，但忽略的部分对水下图像成像模型的完整性起到重要的作用。

专家点评

算法首先在RGB颜色空间，采用参数动态优化的自适应直方图拉伸，提高水下图像质量，并采用导向滤波器降噪，然后，在CIE-Lab颜色空间分别对色度分量和亮度分量进行重分布，进一步改善了图像色彩和细节。

中国图象图形学报 | 订阅号

传播学术，分享信息

用知识和情怀，陪你一路成长

                 官网：www.cjig.cn

                 电话：010-64807995

                 邮箱：jig@radi.ac.cn

遥感图像图形 | 服务号