孫嘉然

摘要： 21世紀(jì)是“海洋的世紀(jì)”，開(kāi)展海洋環(huán)境探測(cè)工作的戰(zhàn)略意義日益突顯。為了滿足探測(cè)需求，基于光學(xué)圖像的水下探測(cè)技術(shù)成為主流手段，而水下圖像增強(qiáng)則是其中的關(guān)鍵。本文對(duì)暗通道算法加以改進(jìn)，將其遷移到水下環(huán)境之中，去除了圖像中的噪聲，提高了水下圖像的質(zhì)量，為水下探測(cè)提供了保障。

關(guān)鍵詞： 暗通道;水下圖像增強(qiáng);圖像處理

中圖分類號(hào)： TP391.41?? ?文獻(xiàn)標(biāo)識(shí)碼： A?? ?文章編號(hào)： 1672-9129（2018）09-0055-01

Abstract： The21st century is the century of the ocean， the strategic significance of marine environmental exploration is increasingly prominent. In order to meet the detection needs，underwater detection technology based on optical images has become the mainstream means， and underwater image enhancement is a key issue. In this paper， the dark channel algorithm is improved to fit the underwater environment. The proposed algorithm removes the noise and improves the quality of the underwater image， which provides a guarantee for underwater detection.

Keywords：dark channel;underwater image enhancement;image processing

步入21世紀(jì)以來(lái)，海洋的地位在全球范圍內(nèi)越來(lái)越顯著，相對(duì)于陸地，茫茫大海有著更多的資源，開(kāi)展海洋環(huán)境探測(cè)工作的戰(zhàn)略意義日益突顯。以聲吶為代表的聲學(xué)成像設(shè)備應(yīng)用廣泛，但是聲學(xué)成像無(wú)法捕捉顏色信息，想要完成高精度的探測(cè)任務(wù)，高質(zhì)量的光學(xué)圖像不可或缺。

然而，水是一種常見(jiàn)的散射介質(zhì)，光線在水中傳播時(shí)受到的吸收散射影響非常明顯，相機(jī)所捕獲的光學(xué)圖像遭受大量的信息損失。為解決這一問(wèn)題，本文對(duì)水下圖像增強(qiáng)進(jìn)行了研究，利用MATLAB開(kāi)發(fā)工具對(duì)算法進(jìn)行了實(shí)現(xiàn)。本文對(duì)去霧領(lǐng)域中的暗通道先驗(yàn)算法進(jìn)行分析，改進(jìn)了暗通道算法，將其遷移到水下環(huán)境中，去除圖像中的噪聲，提高了水下圖像的質(zhì)量。本文還將不同材質(zhì)的物體放入渾濁度不同的水下環(huán)境中，驗(yàn)證了本文算法的魯棒性。

1 相關(guān)工作

對(duì)于水下圖像增強(qiáng)的研究，可以根據(jù)算法是否以的水下光學(xué)模型為設(shè)計(jì)原理大致分為兩類，即基于非水下光學(xué)模型的圖像增強(qiáng)和基于水下光學(xué)模型的圖像增強(qiáng)。

非水下光學(xué)模型的圖像增強(qiáng)方法不考慮任何的光學(xué)成像原理，僅根據(jù)主觀的視覺(jué)效果對(duì)圖像進(jìn)行增強(qiáng)。小波去噪[1]是圖像增強(qiáng)中常用的傳統(tǒng)方法，而隨著機(jī)器學(xué)習(xí)在計(jì)算機(jī)視覺(jué)領(lǐng)域的廣泛應(yīng)用，利用深度網(wǎng)絡(luò)對(duì)水下圖像進(jìn)行增強(qiáng)的工作[2][3]也日益成為研究熱點(diǎn)。

而對(duì)于水下光學(xué)模型的研究早在1972年就已經(jīng)初成了體系[4]，現(xiàn)如今常用的水下光學(xué)成像模型為Jaffe-McGlamery[5]模型。此外，和水相似，霧也是一種散射介質(zhì)，對(duì)光線的吸收散射影響明顯，霧氣的存在大大影響了空氣中的圖像質(zhì)量?？諝猸h(huán)境中的圖像去霧問(wèn)題和水下圖像增強(qiáng)有一定的相似之處，將去霧模型直接遷移到水下環(huán)境中[6]，也有一定的效果。

2 本文方法

本文對(duì)空氣環(huán)境下的去霧問(wèn)題與水下圖像增強(qiáng)加以對(duì)比分析，發(fā)現(xiàn)兩者的光學(xué)模型非常相似。兩者的不同之處在于光線在空氣中和水中傳播時(shí)，紅、綠、藍(lán)三種顏色光線的衰減程度不同。在空氣中，這三種顏色光線的衰減情況基本一致，然而在水下環(huán)境中，紅光相對(duì)于藍(lán)光和綠光衰減更為嚴(yán)重。

在圖像中的大多數(shù)局部區(qū)域，總會(huì)出現(xiàn)一些像素在至少一個(gè)顏色通道中像素值很小，這就是暗通道[7]，而暗通道先驗(yàn)算法是去霧領(lǐng)域中常用的圖像增強(qiáng)算法。本文針對(duì)空氣中和水下的光學(xué)模型的差異，對(duì)空氣中的暗通道先驗(yàn)算法進(jìn)行改進(jìn)，在處理水下圖像時(shí)，忽略了圖像的紅通道，將暗通道定義在藍(lán)綠通道上，使得暗通道算法更符合水下成像模型。

本文利用MATLAB開(kāi)發(fā)平臺(tái)對(duì)改進(jìn)后的暗通道算法進(jìn)行實(shí)現(xiàn)，實(shí)現(xiàn)水下圖像增強(qiáng)。此外，本文還對(duì)不同混濁度的水下圖像進(jìn)行處理，實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的魯棒性。

3 實(shí)驗(yàn)與分析

本文在室內(nèi)環(huán)境下利用一個(gè)1×1×1m的正方體玻璃水缸來(lái)模擬水下環(huán)境。在實(shí)際操作過(guò)程中，采用黑色帆布罩住水缸的內(nèi)壁，模擬黑暗的水下環(huán)境，避免外界燈光的影響。實(shí)驗(yàn)所使用的相機(jī)和光源均經(jīng)過(guò)水密處理，固定在水缸中的架子上保持靜止。

在實(shí)驗(yàn)過(guò)程中，首先將物體放在空氣環(huán)境下進(jìn)行拍攝，隨后再放入清水中，并加入牛奶模擬渾濁的水下環(huán)境。相機(jī)及水下射燈經(jīng)過(guò)水密處理固定在一個(gè)鋼架上，并將其探入水中。

在驗(yàn)證算法時(shí)，本文將空氣中的圖像作為水下圖像增強(qiáng)的評(píng)判標(biāo)準(zhǔn)，將經(jīng)過(guò)算法增強(qiáng)后的水下圖像與空氣中的圖像進(jìn)行對(duì)比，從而檢驗(yàn)算法的增強(qiáng)效果。本文還設(shè)計(jì)了不同渾濁度的水下場(chǎng)景，并對(duì)不同材質(zhì)的物體進(jìn)行圖像采集，實(shí)驗(yàn)結(jié)果表明本文的算法具有可行性和魯棒性。

4 總結(jié)與展望

本文利用MATLAB作為開(kāi)發(fā)工具，實(shí)現(xiàn)水下圖像增強(qiáng)算法。該算法通過(guò)對(duì)去霧模型與水下成像模型的對(duì)比，改進(jìn)去霧模型中的暗通道先驗(yàn)算法，將其遷移到水下環(huán)境中，去除水下圖像的噪聲，達(dá)到圖像增強(qiáng)的效果。本文還在實(shí)驗(yàn)過(guò)程中設(shè)計(jì)了不同渾濁度的水下場(chǎng)景對(duì)不同材質(zhì)的物體進(jìn)行實(shí)驗(yàn)，驗(yàn)證了本文方法的魯棒性。

參考文獻(xiàn)：

[1]Yassin A A， Ghadban R M， Salah S F， et al. Using discrete wavelet transformation to enhance underwater image[J]. International Journal of Computer Science Issues， 2013， 10（2）： 220-228.

[2]Torres-Méndez L A， Dudek G. Color correction of underwater images for aquatic robot inspection[C]//EMMCVPR. 2005： 60-73.

[3]Li J， Skinner K A， Eustice R M， et al. WaterGAN： unsupervised generative network to enable real-time color correction of monocular underwater images[J]. IEEE Robotics and Automation Letters， 2018， 3（1）： 387-394.

[4]Funk C J， Bryant S B， Heckman Jr P J. Handbook of underwater imaging system design[R]. NAVAL UNDERSEA CENTER SAN DIEGO CA， 1972.

[5]Jaffe J S. Computer modeling and the design of optimal underwater imaging systems[J]. IEEE Journal of Oceanic Engineering， 1990， 15（2）： 101-111.

[6]Fattal R. Dehazing using color-lines[J]. ACM Transactions on Graphics （TOG）， 2014， 34（1）： 13.

[7]He K， Sun J， Tang X. Single image haze removal using dark channel prior[J]. IEEE transactions on pattern analysis and machine intelligence， 2011， 33（12）： 2341-2353.