趙鑫　焦博

關鍵詞：低照度；水下圖像；色彩偏移；視覺系統(tǒng)；圖像增強

中圖分類號：TP391 文獻標識碼：A

文章編號：1009-3044（2023）12-0009-04

0 引言

水下考古、水下資源勘探、水下管道探索、潛艇航行等水下活動[1]都離不開低照度水下視覺技術的支撐，清晰的圖像對于水下工程研究至關重要。目前對于低照度水下圖像增強研究較少，而低照度圖像增強和水下圖像增強已經有大量研究。

目前低照度圖像增強算法分為空域法、變換域法及融合法三大類?？沼蚍ㄊ侵苯訉ο袼攸c進行處理，代表算法有直方圖法、灰度變換法、Retinex算法、基于大氣散射模型的增強算法。韓殿元[2]提出了一種改進的直方圖均衡化算法，該算法改善了由于灰度級被過度合并造成細節(jié)信息丟失的情況，但處理彩色圖像時會出現(xiàn)色彩失配現(xiàn)象。Zhou Z G等人[3]提出了一種同時增強全局亮度及局部對比度的方法，該算法雖然可以自適應灰度變換，但對圖像暗區(qū)增強效果有限。

水下圖像增強算法主要有直方圖均衡、小波變換、銳化和Retinex等，Iqbal K等人[4]提出了一種水下圖像增強算法，該算法使用基于滑動直方圖的集成顏色模型，其在RGB和HSI色域中連續(xù)拉伸以增強圖像，但算法需要根據(jù)輸入圖像手動調整參數(shù)。許多研究人員應用了He K M等人[5]提出的暗通道先驗去霧算法進行水下圖像恢復。Li C Y等人[6]使用基于DCP（Dark Channel Prior，暗通道先驗）算法的引導三角形雙邊濾波來恢復水下圖像，但是使用該算法處理后圖像整體變暗。Drews P等人[7]提出了一種基于藍綠色通道的水下DCP算法，以估計更準確的傳輸圖，但恢復的圖像容易出現(xiàn)亮度飽和。

1 基于視覺特性的低照度水下圖像增強算法

低照度水下圖像出現(xiàn)的低亮度、模糊和色彩偏移等問題，可通過研究視覺感知特性和水下光線衰減現(xiàn)象并構建相關算法加以解決。人眼亮度視覺特性有視覺適應性和同時對比性，其中視覺自適應是由暗適應過程和明適應過程構成的。暗適應是通過放大瞳孔來增加通光量，從而將圖像的全局亮度調整到較高的等級；明適應是通過縮小瞳孔來減少通光量，從而將圖像的全局亮度調整到較低的等級。所以對于低照度的場景下，圖像表現(xiàn)為全局低亮度并且局部暗區(qū)。根據(jù)韋伯-費希納定律，人類視覺系統(tǒng)對亮度感知為近似對數(shù)函數(shù)。因此，解決圖像低亮度的重點是建立模擬暗適應過程的對數(shù)映射函數(shù)，實現(xiàn)對圖像亮度自適應調節(jié)。由同時對比性可知，人眼對圖像的細節(jié)信息感知不僅取決某區(qū)域的亮度，還與周圍區(qū)域亮度有關。因此，消除圖像模糊的重點是建立圖像局部對比度同時提升函數(shù)，實現(xiàn)圖像對比度自適應增強。

水下圖像大多呈綠色或藍綠色，這是因為在水中光束的衰減程度與傳輸距離和衰減系數(shù)呈指數(shù)關系，且不同波長的光在相同距離下衰減不同。水對紅光附近波長的光衰減最大，綠光次之，最后是藍光。在高濃度浮游生物的情況下，由于有機物的吸收，藍通道也可能明顯減弱。因此，圖像色彩校正重點是如何構建衰減通道補償函數(shù)，實現(xiàn)水下圖像色彩自適應校正。

具體算法步驟包括：

1） 提取圖像的亮度分量；

2） 對圖像亮度自適應提升，使亮度分量分布在視覺舒適區(qū)；

3）經過步驟2）中的亮度增強后，對圖像進行對比度自適應增強，以去除圖像模糊。

4）經過步驟3）中的對比度增強后，對圖像進行色彩校正，以去除圖像色偏。

1.1 亮度自適應增強

由于HSV顏色模型是一種將顏色描述為人類感知方式的模型，該模型將色彩通道和亮度通道分離，基于此模型改變圖像亮度不會給圖像色彩帶來失真，故運用HSV模型提取亮度分量V：

1.2 自適應對比度增強

人眼的亮度視覺特性中同時對比性讓人眼視覺系統(tǒng)接收到更多細節(jié)信息，本節(jié)運用局部對比度增強函數(shù)模擬同時對比性，實現(xiàn)低照度水下圖像自適應對比度增強。

圖像局部均值反映了圖像的低頻部分，則像素值與局部均值的差值反映了圖像高頻部分；局部標準差反映了圖像邊緣或噪聲以及其他變化強烈程度；全局標準差反映圖像全局變化的強烈程度。根據(jù)圖像局部區(qū)域像素值變化程度，增強圖像高頻部分實現(xiàn)局部增強，對局部區(qū)域進行全局滑動模擬同時對比性。

圖像自適應對比度增強算法具體步驟如下：

1.3 水下色彩增強算法

光在水下的衰減情況如圖2所示，水對紅光附近波長的光衰減最大，綠光次之，最后是藍光。在高濃度浮游生物的情況下，由于有機物的吸收，藍通道也可能明顯減弱。在水下圖像中綠通道比紅通道、藍通道保存的信息更加完善，故可用綠通道信息來補償紅通道和藍通道。

在灰度世界假設中，所有通道在未衰減前具有相同的均值，故紅通道與綠通道的均值之間的差值反映了紅通道相對綠通道衰減的程度，紅通道補償值應與該插值成正比。補償紅通道應對避免紅通道中的局部區(qū)域過度補償，僅補償那些高度衰減的區(qū)域。

2 實驗結果與分析

本文算法在MATLAB 2013軟件環(huán)境下，對5幅不同的低照度水下圖像進行算法驗證，增強效果如圖4所示。

通過圖4看到，本算法可以有效解決低照度水下圖像存在的低亮度、模糊和色彩偏移等問題，提升了低照度水下圖像暗區(qū)的細節(jié)表現(xiàn)能力，校正了圖像色偏移，改善視覺效果。

本文采用平均梯度、信息熵及結構相似性三個客觀指標對本文算法增強效果進行客觀評價。如表1所示，信息熵和平均梯度都有較大的提升，說明本算法很好地改善了圖像的細節(jié)表現(xiàn)能力；個別圖像結構相似度較低，說明本算法破壞了個別圖像的結構。綜合三方面指標，本算法在提高圖像暗區(qū)細節(jié)表現(xiàn)能力和色彩恢復，符合人眼視覺需求，但本算法還需進一步保持圖像的結構。

3 總結

根據(jù)低照度水下圖像特點，本文提出了一種基于視覺感知的低照度水下圖像增強算法。首先，通過改進的對數(shù)映射函數(shù)對圖像亮度自適應增強；其次，通過局部對比度增強函數(shù)對圖像對比度自適應增強；最后，對圖像紅、藍通道補償后分別對圖像紅、綠、藍通道的灰度值進行拉伸，實現(xiàn)圖像色彩校正。實驗表明本算法能夠提高圖像暗區(qū)細節(jié)表現(xiàn)能力和校正色偏，對視覺感受有較大的提升。但本算法運算復雜度較高，無法滿足實時需求，算法效率的提升將是下一步工作的重點。