何笑　王剛　賀歡

摘 要：針對水下環(huán)境對比度低和極其模糊的視覺效果問題，提出了一種融合引導(dǎo)濾波和小波變換的水下圖像增強算法。利用引導(dǎo)濾波將圖像分為基礎(chǔ)部分和細(xì)節(jié)部分，將小波變換應(yīng)用于基礎(chǔ)部分，對產(chǎn)生的低頻圖像進(jìn)行限制對比度直方圖均衡，高頻部分分別使用改進(jìn)的對數(shù)函數(shù)增強，然后將處理后的高低頻部分進(jìn)行小波逆變換。細(xì)節(jié)部分進(jìn)行增益計算;最后將處理后的基礎(chǔ)部分和細(xì)節(jié)部分進(jìn)行加權(quán)融合，再對融合圖像進(jìn)行限制對比度直方圖均衡，得到目標(biāo)圖像。仿真實驗表明，該方法在保留圖像細(xì)節(jié)的同時很好地克服了光照不均勻?qū)D像的影響.

關(guān)鍵詞：小波變換;à trous算法;引導(dǎo)濾波;直方圖均衡;圖像融合

中圖分類號：TN957.52????? 文獻(xiàn)標(biāo)識碼：A

Underwater Image Enhancement Algorithm Combining

Guided Filtering and Wavelet Transform

HE Xiao，WANG Gang，HE Huan

（School of Mathematical Sciences，Xinjiang Normal University，Urumqi，Xinjiang 830017，China）

Abstract：An underwater image enhancement algorithm based on guided filtering and wavelet transform is proposed to solve the problem of low contrast and extremely fuzzy visual effect in underwater environment.Wavelet transform is applied to the basic part to equalize the generated low-frequency image with limited contrast histogram. The high-frequency part is enhanced with improved logarithmic function， and then the processed high-frequency part is transformed with inverse wavelet transform.The gain calculation is carried out in detail.Finally， the processed basic part and the detail part are weighted and fused， and then the fused image is balanced with limited contrast histogram to obtain the target image.

Key words：wavelet transform;à trous algorithm; guided filtering; histogram equalization; image fusion

光在水下傳播的過程中會逐漸衰減，這會造成圖像背景的模糊，而水下環(huán)境中有各種生物、懸浮物等，在成像過程中會造成干擾，即便是人造光源也無法躲避，這些因素會影響圖像的清晰度。可見，使水下圖像清晰化是很有必要的。近年來基于Retinex理論的圖像增強技術(shù)[1-3]得到了很多學(xué)者的研究并提出了許多改進(jìn)算法。如同態(tài)濾波Retinex算法、非線性濾波Retinex等[4]。如此多的Retinex算法處理的圖像在質(zhì)量上有了一定的提高，但是仍沒能很好地消除在對圖像中高對比度區(qū)域的照度進(jìn)行估計時出現(xiàn)的較大誤差，從而產(chǎn)生光暈的現(xiàn)象，導(dǎo)致圖像邊緣細(xì)節(jié)不清晰，影響圖像的質(zhì)量，為后期圖像的分割等處理增加負(fù)擔(dān)。對此，提出了一種融合引導(dǎo)濾波和小波變換方法的水下圖像增強算法，該算法有效的減弱了光暈現(xiàn)象，保留了圖像的邊緣細(xì)節(jié)信息，提高了圖像的質(zhì)量。

1 圖像à trous算法

在此用到二進(jìn)小波變換算法為 à trous算法。但要注意，此處的à trous 算法是在Mallat提出的二進(jìn)小波變換的à trous算法上的改進(jìn)[5]。它的基本思想沒有發(fā)生改變。

à trous 算法分解公式：

3 增強處理

3.1 低頻部分處理

對數(shù)變換是非線性變換[7，8]，是將原圖像中灰度值較窄的部分映射到較寬的灰度區(qū)間，同時將較寬的部分區(qū)間映射為范圍較窄的灰度區(qū)間，從而拉伸了暗像素的值，壓縮了高灰度的值，使得圖像中的細(xì)節(jié)部分得到增強。使用改進(jìn)的對數(shù)函數(shù)，其形式如下：

f′x，y=log21+vfx，ylog2v+1（9）

其中，fx，y為輸入圖像，f′x，y為輸出圖像，v為常數(shù)，v=30。

3.2 細(xì)節(jié)部分處理

細(xì)節(jié)部分主要包含圖像大量的邊緣信息，對細(xì)節(jié)部分像素的灰度值進(jìn)行增益計算，可突出圖像的邊緣特征。數(shù)學(xué)表達(dá)式如下：

f′x，y=a*fx，y? （10）

其中，fx，y為輸入圖像，f′x，y為輸出圖像，a為常數(shù)，實驗中a=10。

4 圖像融合

對處理過的基礎(chǔ)部分和細(xì)節(jié)部分進(jìn)行加權(quán)融合[8，9]，融合公式如下：

Fx，y=mf1x，y+1-mf2x，y （11）

其中，F(xiàn)x，y是融合后的圖像，f1x，y是處理后的基礎(chǔ)部分，f2x，y是處理后的細(xì)節(jié)部分，m是控制系數(shù)，實驗中m=0.6。

5 實驗過程與分析

實驗平臺是MATLAB R2016a，實驗對象為兩組222x296大小、jpg格式的水下圖像。實驗步驟如下：

1）使用引導(dǎo)濾波將原始圖像分為基礎(chǔ)部分和細(xì)節(jié)部分;

2）將小波變換應(yīng)用于基礎(chǔ)部分，產(chǎn)生的低頻圖像使用限制對比度直方圖均衡處理，三個高頻部分分別使用改進(jìn)的對數(shù)函數(shù)增強;

3）處理后的高低頻部分進(jìn)行小波逆變換，得到重構(gòu)的基礎(chǔ)部分;

4）對細(xì)節(jié)部分進(jìn)行增益計算;

5）最后將處理后的基礎(chǔ)部分和細(xì)節(jié)部分選擇合適的權(quán)重，進(jìn)行加權(quán)融合;

6）對融合圖像進(jìn)行限制對比度自適應(yīng)直方圖均衡，得到目標(biāo)圖像。

將實驗結(jié)果f與文獻(xiàn)7，文獻(xiàn)8，文獻(xiàn)9，文獻(xiàn)10方法的實驗結(jié)果進(jìn)行了比較，并從主觀和客觀方面進(jìn)行驗證。

5.1 主觀評價

1）對于圖1，文獻(xiàn)7方法的實驗結(jié)果圖人物整體亮度沒有得到有效提高，人影較模糊，非常不利于肉眼觀察。文獻(xiàn)8方法的實驗結(jié)果圖整體亮度有了一定的提高，但圖像的邊緣不夠清晰，尤其是圖像右邊部分存在嚴(yán)重失真，信息缺失較嚴(yán)重。文獻(xiàn)9的實驗結(jié)果失真情況較輕，圖像的右邊部分存在亮度不均勻的現(xiàn)象，人的腿部也不清晰，非常不利于后期的圖像研究。文獻(xiàn)10圖像右邊部分亮度較高，并且人物邊緣不夠光滑，沒有達(dá)到人眼的舒適度，同樣不利于后期的圖像分析。本方法的結(jié)果圖亮度均勻，適合人眼觀測，而且人物的輪廓比較清晰，圖像包含很多細(xì)節(jié)信息，特別是圖像中人的腿部信息可以看到，失真較少。

2）對于圖2，文獻(xiàn)7方法的實驗結(jié)果整體亮度沒有得到提高，人影不夠清晰，且不利于人眼觀察。文獻(xiàn)8方法的實驗結(jié)果失真情況非常嚴(yán)重，信息丟失嚴(yán)重。文獻(xiàn)9與文獻(xiàn)10的實驗結(jié)果整體亮度不均勻，邊緣輪廓不清晰，圖像左上方的人左腳處模糊，右邊人頭部過亮，部分細(xì)節(jié)信息不夠突出，不利于人眼觀測。本方法的實驗結(jié)果中，左上方的人左腳處很清晰，右邊人頭部細(xì)節(jié)很明顯，總體輪廓較清晰，光照較均勻，包含的細(xì)節(jié)信息較多。

5.2 客觀評價

為了進(jìn)一步驗證所提算法的有效性，選取了信息熵、峰值信噪比做出客觀的評價，如表1、表2所示。

6 結(jié) 論

為了改善水下圖像的視覺效果，提出了一種融合引導(dǎo)濾波和小波變換的水下圖像增強算法。該算法在突出感知重要內(nèi)容的邊緣信息時，可抑制平滑區(qū)域中的高頻噪聲，為黑暗處的細(xì)節(jié)提供銳利的邊緣，使圖像的光照度均勻化，便于圖像的后期分析。但實際應(yīng)用中還會有惡劣的環(huán)境，如渾濁的背景下小目標(biāo)與背景灰度接近，二者難以區(qū)分，或者圖像存在顏色失真情況，因此所提算法處理這類圖像，可能會存在一定的缺陷，還需進(jìn)一步研究。

參考文獻(xiàn)

[1] 盧瑋，高濤，王翠翠，等.RETINEX理論下基于融合思想的低照度彩色圖像增強算法[J].科學(xué)技術(shù)與工程，2019，19（13）：151-157.

[2] 劉敏.基于RETINEX理論的非均勻光照圖像增強研究[D].桂林：廣西師范大學(xué)，2019.

[3] 王雪紅.基于RETINEX理論低照度圖像增強方法的比較與策略選擇[J].信息與電腦（理論版），2019，（12）：40-41.

[4] 董靜薇，徐博，馬曉峰，等.基于同態(tài)濾波及多尺度RETINEX的低照度圖像增強算法[J].科學(xué)技術(shù)與工程，2018，18（22）：238-242.

[5] 吐爾洪江·阿布都克力木.小波信號處理基礎(chǔ)[M].北京：北京郵電大學(xué)，2014.

[6] 李溫溫，劉富，姜守坤.基于引導(dǎo)濾波的指節(jié)紋圖像增強算法研究[J].吉林大學(xué)學(xué)報（信息科學(xué)版），2018，36（4）：409-413.

[7] 郭鈺璐，董麗麗，許文海.融合邊緣信息的對比度增強算法[J].紅外技術(shù)，2019，41（7）：616-622.

[8] 尹士暢，喻松林.基于小波變換和直方圖均衡的紅外圖像增強[J].激光與紅外，2013，43（2）：225-228.

[9] 莫增，孫麗麗，賈蘭.基于自適應(yīng)直方圖算法的紅外增強處理及實現(xiàn)[J].電子世界，2019（5）：30-32.