[发明专利]一种基于颜色校正和细节增强的水下图像增强方法

说明书

本发明提供一种基于颜色校正和细节增强的水下图像增强方法。本发明所述的水下图像增强方法包含以下两个步骤：颜色校正和细节增强。首先，选取部分清晰的水下图像，参考清晰图像Lab的平均值调整待复原的水下图像Lab值，实现颜色校正。针对颜色校正图像，将RGB空间转换为HSV空间，对H进行直方图均衡化，对S和V进行归一化处理，实现对比度增强。其次，采用拉普拉斯算子处理对比度增强后图像的线性组合，得到边缘映射图，与对比度增强图像和边缘映射图线性加权融合，得到最终增强后的水下图像。本发明所述算法通过调整Lab空间值实现颜色校正，利用拉普拉斯算子实现细节增强，使图像在颜色校正的基础上具有丰富细节信息，提升图像整体视觉效果。

技术领域

本发明涉及图像增强方法，特别是涉及一种基于颜色校正和细节增强的水下图像增强方法。

背景技术

由于海洋蕴含丰富的资源，因此海洋资源的开发和保护日益被关注。水下图像是海洋信息的重要载体，水下图像的获取与水下成像系统密切相关。水下图像在海洋生物学、考古学、水下测绘、水下勘探以及水下目标检测等诸多研究领域都有重要的应用价值。由于水下采集图像受散射和吸收作用导致采集图像质量下降。散射是光与悬浮颗粒碰撞，传播方向发生变化，导致图像模糊。吸收是悬浮粒子吸收光，导致图像偏蓝绿色。为了提升图像视觉效果，呈现更多水下物质资源信息，水下图像清晰化日益成为研究的热点。

水下图像处理的目标是提升水下图像的视觉效果，提高图像对比度和解决颜色偏色。水下图像处理的技术通常分为水下图像增强和复原两大类。水下图像增强方法不需要考虑水下图像退化机制，通过对像素处理改善图像视觉效果，通常包含直方图均衡化、白平衡、基于Retinex方法以及基于图像融合方法。水下图像复原方法通过成像模型来恢复图像，其关键参数是透射光和环境光估计，通常采用的方法有基于先验方法和基于深度学习方法。

发明内容

本发明克服上述现有技术的不足，提供一种基于颜色校正和细节增强的水下图像增强方法。本发明方法基于颜色校正和细节增强的水下图像增强方法，通过参考清晰图像Lab值调整待增强图像的Lab值，得到颜色校正图。将颜色校正后图像通过HSV空间转换，对H分量进行直方图均衡化，对S和V分量进行归一化操作，实现图像对比度增强，利用拉普拉斯算子实现边缘细节增强，最后将对比度增强图像和边缘映射图线性加权融合得到增强后的水下图像。本发明方法能够实现水下图像增强同时保证色彩和细节，有效提升图像视觉效果，改善图像清晰度，可以推荐应用于水下图像处理领域。

本发明采用的技术方案如下：本发明包含一种基于颜色校正和细节增强的水下图像增强方法，其特征还在于包括以下步骤：

步骤S01：输入原始图像，将所述原始图像由RGB空间转换为Lab空间；

步骤S02：选取公开数据集中9张视觉清晰水下图像，对所述9张清晰水下图像分别计算图像的Lab值，并求取Lab值的均值，将所述Lab值的均值设置为参考值；

步骤S03：根据所述步骤S02设置的所述参考值调整所述原始图像的Lab值，进行颜色校正，获取颜色校正后图像；

步骤S04：将所述步骤S03中获取的所述颜色校正后图像转换为HSV空间；

步骤S05：对所述步骤S04中获取的所述HSV空间的分量分别处理，对色相分量H进行直方图均衡化操作，对饱和度分量S和色调分量V进行归一化处理，实现增强对比度，获取对比度增强后图像；

步骤S06：对所述步骤S05中获取的所述对比度增强后图像的线性组合采用拉普拉斯金字塔滤波处理，获取边缘映射图；

步骤S07：将所述步骤S05中获取的所述对比度增强后图像与所述步骤S06获取的所述边缘映射图进行线性加权融合，得到增强后图像。

进一步地，所述步骤S01中RGB空间转换到Lab空间，首先需要将原始图像从RGB空间转到LMS颜色空间，理论公式为：