[发明专利]一种基于颜色校正和去模糊的图像增强方法

说明书

本发明公开了一种基于颜色校正和去模糊的图像增强方法。所提方法有效融合了颜色校正和去模糊两个阶段。在颜色校正阶段，首先对原始图像进行对比度拉伸，为了解决对比度拉伸过度或拉伸不足等问题，所提方法根据灰度世界先验，通过伽马校正来进一步优化和调整图像的对比度和色彩，使图像的R、G、B各个通道的灰度平均值趋于相等。接着，所提方法引入去模糊阶段来增强图像的细节，使用暗通道先验对颜色校正后的图像进行去模糊，得到最终的增强图像。本发明所提出的水下图像增强方法具有良好的整体恢复效果，能够在优化全局对比度和色彩的同时，恢复了图像的细节信息。

技术领域

本发明涉及一种基于颜色校正和去模糊的图像增强方法，特别是面向水下图像的专门增强机制，属于图像增强技术领域。

背景技术

随着人口急剧膨胀、陆地资源日益枯竭，人们便把目光投向了海洋。海底蕴藏着巨大的资源，被人类视为可以利用的“第六大洲”。开发、利用和保护海洋资源是一项影响深远的战略部署。海洋信息的获取、传输和处理等理论技术对合理开发、利用和保护海洋资源至关重要。水下图像是海洋信息的重要载体，由于光在水下传播时会出现被吸收和散射的情况，导致水下图像往往会出现色偏(红色光能量最低，最先被吸收，因此水下图像通常偏蓝绿色)、对比度低、模糊、光照不均匀等现象。所以，人们直接在海底拍摄所获取的图像往往是退化的图像，退化图像不能完整地表达海洋信息，更无法满足实际的应用需要。

水下图像增强作为日益兴起的研究领域，在工业界和学术界都具有广阔的应用前景。现有的水下图像增强方法均有一定的局限性，难以兼顾恢复图像的色度与清晰度。如Adrian Galdran等人提出的红通道先验算法，增强之后的图像过于偏红；Chongyi Li等人提出基于最小信息损失和直方图分布先验的算法，增强之后的图像同样过于偏红；P.L.Drews等人提出的水下暗通道先验算法，增强之后的图像依旧偏蓝绿色，没有很好地恢复出红色分量；Shaobing Gao等人提出的基于自适应视网膜机制的增强算法，增强之后的图像对比度较低且图像细节有所丢失。因此，为了更好地开发、利用和保护海洋资源，满足海底考古、水下机器人等实际应用的需求，需要一种既能校正图像色偏又能提高图像清晰度的水下图像增强方法。

发明内容

本发明要解决的技术问题是水下图像质量退化的问题。

为了解决上述技术问题，本发明的技术方案是提供了一种基于颜色校正和去模糊的图像增强方法，通过分阶段执行颜色校正和去模糊，提高水下图像的整体恢复质量，主要包括以下步骤：

步骤一：根据不同通道灰度值之和的大小关系，分别计算原始图像I_ori的R、G、B各个通道在对比度拉伸时的最小阈值和最大阈值c表示R、G、B三通道之一，即c∈{R,G,B}。

步骤二：根据最小阈值和最大阈值确定不同通道被拉伸的灰度值范围，然后对原始图像I_ori的各个通道分别进行对比度拉伸，得到对比度拉伸后的图像I_cs。

步骤三：基于灰度世界先验和二分法，计算不同通道的伽马校正系数γ_c。首先分别计算对比度拉伸后图像各个通道的灰度值之和，将三者中的最大值记为max_{val_cs}，然后根据公式利用二分法求解γ_c，m和n分别为图像的高度和宽度，为某一通道的第i个灰度值。

步骤四：根据求得的伽马校正系数γ_c，对I_cs进行伽马校正，得到伽马校正之后的图像I_gm。

步骤五：由于图像I_gm存在细节模糊的问题，进一步进行去模糊处理。使用暗通道先验进行去模糊操作，获取图像I_gm的暗通道

步骤六：根据暗通道估计背景光A^c。