[发明专利]基于结构-纹理分层的水下图像增强方法

权利要求书

1.一种基于结构-纹理分层的水下图像增强方法，其特征是，首先，通过直方图均衡化进行色彩校正，然后这个色彩纠正后的图被分解为低频结构层和高频纹理层，将噪声残留到纹理层，然后基于已经提出的雾线模型，从没有噪声的结构层精确地估计出的透射率，进而进行增强处理，再用梯度残留最小化方法增强纹理层，之后，通过适当的尺度伸缩，将增强后的结构层、纹理层和精细化的边缘掩膜重构成最终的增强图，从而解决已有技术无法处理的问题；具体步骤细化如下：

1)对捕获到的图像进行色彩校正：首先，结合水下图像色彩分布直方图特点，将每个色彩通道的平均色彩分布移动到所期望的范围，然后进行线性归一化处理，即用简单的直方图均衡化来解决色彩偏移问题，具体地，对于每个图像每个色彩通道的像素值按照以下方法计算边界的下限和上限

其中c∈{R，G，B}，μ^c和σ^c分别为每个色彩通道的平均值和标准方差，λ是一个色调参数，有效地调节了分布范围，然后用截断函数chip()将图像的像素值范围截断到[0，255]，进而得到色彩校正的图像：

I^c(x)是色彩校正后图像的每个通道的像素值；

2)构建分层模型：用去雾模型来定义水下图像：

I^c(x)＝J^c(x)t(x)+A^c(1-t(x))+E(x)， (4)

其中，x是像素值，J^c(x)是恢复后的图像，A^c是全局的背景光，t(x)是水中的投射率，定义E(x)为输入图像中的噪声，图像增强的目的是从捕获到的水下图像I^c(x)恢复出J^c(x)，这个过程涉及到透射率和背景光的估计；

3)结构-纹理分层实现：采用TV-L¹分离结构层和纹理层：

其中，是通过1范数正规化结构层的梯度，ξ是控制光滑程度的权重参数，通过TV-L¹将结构层I_s求解出来，TV-L¹是将全变分作为正则项进行图像分解的最优化方法，纹理层通过I_t＝I-I_s算出；

4)结构层增强：采用全局背景光散射估计方法对A进行估计：

其中，是达到结构层的暗通道中最大值位置，即Ω(y)是y的一个领域；

根据暗通道先验理论，首先假设在每一个窗口内的透射率为常数，定义它为t₀，A值已经由公式(9)计算出，所以对公式(6)两边求两次最小值运算，移项整理后，得到透射率t(x)的预估值：

其中，ω是修正因子；

5)纹理层去噪：通过以上的TV-L¹分解，捕获图中的噪声残留在高频的纹理层，用梯度残留最小化方法来增强纹理层，这个纹理层的增强通过优化公式(15)的得到：

其中，δ和η是控制权重参数，控制着处理结果的光滑程度和精细程度，η太大或δ太小，会使得增强图像的大部分纹理随着去噪处理而丢失，所以，合适选取δ和η的值对实验结果影响很大，令Z＝J-I，则以上优化问题变成两个子问题，如下公式：

这样可以将公式(16)变成经典的TV问题，公式(17)用软阈值接近；

6)掩膜精细化：用一个二进制掩膜M把TV-L¹分解后的纹理层分离成光滑区域、细节区域，进而删除在增强后的低频结构层光滑区域中的残留细节，具体用离散余弦变换系数来检测场景中块之间的相似性，判断一个区域知否光滑，定义I_t中的每一个8×8的块的DCT系数为B，然后，场景细节中的每个块的相似性用公式(18)表示：

其中，x，y是DCT中的坐标位置，计算除了B_1，1，B_1，2和B_2，1的所有DCT系数的平方和，然后用阈值对每一个块的相似性进行判断，定义纹理层初始的边缘掩膜为M，设置阈值κ为0.1，当ρ大于κ时，该块的M为1，否者，M为0，这样便得到一个粗糙的二进制边缘信息图，为了得到精细化的边缘掩膜采用软映射的方法结合结构层I_s产生的映射拉布拉氏矩阵修正这初始的粗糙的M：

其中，m和m'是M和M'的向量表示，L_s是从I_s产生的映射拉布拉氏矩阵，是正规化参数，在文中设为10⁵；

7)重构：最后，我们重构出最终的增强处理结果通过公式(20)：

其中，τ是伸缩因子，引入了增强的细节，在实验中设为和分别是经过增强处理的低频结构层和高频纹理层。