一种结合不感兴趣区域的水下图像增强算法的制作方法

本发明属于水下图像增强算法技术领域，尤其涉及一种结合不感兴趣区域的水下图像增强算法。

背景技术：

随着海洋的开发，水下机器人技术的研究成为当今时代的热点与趋势。目前，水下机器人广泛应用于水下管道检查、船体检修、水下娱乐、水下考古和科研考察等领域。有研究人员针对观测型水下机器人进行研究。水下机器人主要的环境感知手段是图像，但是水体对光会产生散射与吸收的效应，导致水下图像出现严重的弱化现象，从而严重影响了水下机器人作业任务的顺利开展。水体的散射效应会导致水下图像的对比度下降，即产生类似雾化的现象。吸收效应会使水下图像的亮度下降，当处于深水区时，甚至会出现完全漆黑的现象。此外，水对不同波长的光的吸收能力不同，水下图像会产生色偏。面对水体对图像质量的影响，图像增强是开发水下机器人的必要前提。

现有的图像增强算法中，基于暗通道理论(dcp)的图像增强算法是一个重要分支。但是，原有的暗通道理论是面向于大气图像的图像增强算法，并不完全适合于水下图像的环境，其中，比较明显的是，在求取以水体为背景颜色时，是通过在暗通道图像中寻找亮度为前0.1％的像素，然后去这些像素对应原图像的三通道均值作为背景颜色。算法中“0.1％”部分是经过多次实验统计出来的数据，但是该算法一是只考虑到了背景的亮度低于非背景部分的情况，在非背景的亮度高于背景部分的情况下，论文中的“0.1％”就不能成立。而在水下机器人在水下作业时，非水体背景的亮度高于水体背景部分的情况出现概率很大，例如常见的鱼肚、以及水下机器人的主动光源带来的近景对象的过度曝光。二是由于图像的像素值为0～255的划分，因此就算全是背景，那么最多就是1/256＝0.3％的间隔，更何况暗通道图中最高像素与最低像素的差远没有256格。

因此，如何面向水下图像，正确合理的选取水体背景颜色，是一个需要解决的重要问题。

技术实现要素：

(一)解决的技术问题

本发明提出一种结合不感兴趣区域的水下图像增强算法，进行水下图像的还原工作，该方法解决了原先论文在解决水下图像增强问题中，没有基于严谨理论选取水下背景的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：一种结合不感兴趣区域的水下图像增强算法，具体包括以下步骤：

步骤1：通过使用多特征线性滤波器，提取输入图像的颜色特征、亮度特征和方向特征，形成特征金字塔；

步骤2：使用中心-周边差算子分别计算这些特征的显著图，将不同特征的关注图进行归一化处理；

步骤3：通过非线性归一化处理，将不同特征各层上进行点对点的相加操作，分别得到颜色、亮度和方向特征的显著图；

步骤4：再次归一化后进行点对点的和求平均操作，就可得到图像的总显著图；

步骤5：使用赢者通吃竞争神经网络选择显著点，并利用其返回抑制的特性完成显著点的转移；

步骤6：对步骤5处理过的相机成像的图片中，取得所有显著点之外的所有点，作为非显著点；

步骤7：对非显著点的区域，计算所有的联通区域，然后，所有联通区域面积小于整体图像面积比例t1值的，全部舍弃，只保留面积大于等于t1的联通区域，本实施例中t1值设为1％

步骤8：对步骤7获得的联通区域，计算景深图对应部分的红绿蓝3个通道的各个平均值a^c；

步骤9：建立经典dcp算法的雾化模型为：

i(x)＝j(x)t(x)+a(1-t(x))(1)

式中i(x)为水下失真图像，是已知图像；j(x)为水下真实图像，是待求解的图像；t(x)为透射率；a为水体背景估计，水下图像的退化和空气中图像的退化是相似的；

步骤10：把式(1)两边除以a^c，得；

其中i^c(x)和j^c(x)分别代表的是已知图像和待解图像的c通道；

步骤11：假设透射率为一个定值式(2)两边取最小值，其中符号～代表的是定值，

其中，y表示小窗口ω(x)中的像素；

步骤12：根据暗通道先验理论，暗通道图像近似为0，因此：

将式(4)带代入式(3)，可得到：

则真实图像恢复的3个c通道求解计算公式如下：

其中t0是为了防止透射率过小，导致增强的图像过于亮，符号max()表示，在其括号内的多个值中取最大的值。

优选的，所述步骤7中t1值为1％。

优选的，所述步骤12中t0的值为0.1。

(三)有益效果

本发明解决了原先暗通道理论在解决水下图像增强问题中，没有基于严谨理论选取水下背景的问题，可以在非背景的亮度高于背景部分的情况下，有效的选取水体背景亮度，提高图像增强的效果。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明具体实施例整体算法流程图；

图2为本发明具体实施例不感兴趣区域估计水体背景颜色流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-2，本发明基于如下调研结果：即由于在水下图像中，大多数人眼感兴趣区域均不是水体，主要是一些鱼、人工物体、礁石等物体，所以可以反向考虑，把不感兴趣区域的水体单独提取出来，从而计算出其各个通道的平均值，作为水体背景颜色。

因此，针对经典dcp算法在水下图像增强方面的局限性，本文通过利用人眼感兴趣区域理论，提取出不感兴趣区域，然后在此基础上，提取各个通道的像素平均值，作为水体背景颜色；然后采用经典dcp算法还原出结果。

本方案具体提供一种结合不感兴趣区域的水下图像增强算法，具体包括以下步骤：

步骤1：通过使用多特征线性滤波器，提取输入图像的颜色特征、亮度特征和方向特征，形成特征金字塔；

步骤2：使用中心-周边差算子分别计算这些特征的显著图，将不同特征的关注图进行归一化处理；

步骤3：通过非线性归一化处理，将不同特征各层上进行点对点的相加操作，分别得到颜色、亮度和方向特征的显著图；

步骤4：再次归一化后进行点对点的和求平均操作，就可得到图像的总显著图；

步骤5：使用赢者通吃竞争神经网络选择显著点，并利用其返回抑制的特性完成显著点的转移；

步骤6：对步骤5处理过的相机成像的图片中，取得所有显著点之外的所有点，作为非显著点；

步骤7：对非显著点的区域，计算所有的联通区域，然后，所有联通区域面积小于整体图像面积比例t1值的，全部舍弃，只保留面积大于等于t1的联通区域；

步骤8：对步骤7获得的联通区域，计算景深图对应部分的红绿蓝3个通道的各个平均值a^c；

步骤9：建立经典dcp算法的雾化模型为：

i(x)＝j(x)t(x)+a(1-t(x))(1)

式中i(x)为水下失真图像，是已知图像；j(x)为水下真实图像，是待求解的图像；t(x)为透射率；a为水体背景估计，水下图像的退化和空气中图像的退化是相似的；

步骤10：把式(1)两边除以a^c，得；

其中i^c(x)和j^c(x)分别代表的是已知图像和待解图像的c通道；

步骤11：假设透射率为一个定值式(2)两边取最小值，其中符号～代表的是定值，

其中，y表示小窗口ω(x)中的像素；

步骤12：根据暗通道先验理论，暗通道图像近似为0，因此：

将式(4)带代入式(3)，可得到：

则真实图像恢复的3个c通道求解计算公式如下：

其中t0是为了防止透射率过小，导致增强的图像过于亮，本实施例的t0的值设为0.1，符号max()表示，在其括号内的多个值中取最大的值。

本发明是利用基于图形的视觉显著性模型来得到了人眼的不感兴趣区域，其提取的过程在于在经典itti经典模型后，增加两个过程：获取非显著点、基于面积滤波的过程；其原因在于显著点，即感兴趣区域一般代表的是运动比较激烈、或者非背景的物体，而非显著点，即不感兴趣区域大多数是亮度较高的水体，本发明是要找水体，所以需要取反。另外，由于其他物体的存在，需要进行滤波。

通过实现本发明，我们可以得到一个用不感兴趣区域寻找背景区域的算法，用作在暗通道理论中，进行水下图像的还原工作。该方法解决了原先暗通道理论在解决水下图像增强问题中，没有基于严谨理论选取水下背景的问题，可以在非背景的亮度高于背景部分的情况下，有效的选取水体背景亮度，提高图像增强的效果。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。