朱靜儀，張瑜慧，杜 義，丁一凡

（宿遷學院，宿遷 223800）

0 引言

水下圖像在海洋生物監(jiān)測、地質或生物環(huán)境評估等科學探索領域至關重要。水下場景中，除了水的吸收效應外，水下介質中的懸浮顆粒會對入射光線產生散射效應，導致水下圖像出現(xiàn)霧化和模糊的現(xiàn)象。在水下拍攝圖像具有挑戰(zhàn)性，受光線從物體表面反射，并被水粒子偏轉和散射等諸多因素的影響，水下圖像出現(xiàn)不同程度的降質現(xiàn)象。水下物體反射的光射向相機時，一部分光與這些懸浮粒子相遇，這些懸浮粒子吸收并散射光。在沒有背景光源的環(huán)境中，散射通常擴展為多次散射，進一步將光束分散成均勻的背景光。由于不同波長的光衰減程度不同，從而引起顏色變化。在水下采集的圖像中，光散射和顏色變化導致對比度降低與顏色偏差。光的散射效應會造成水下圖像模糊；波長吸收會導致捕獲的圖像顏色失真；人工照明設備以及攝像系統(tǒng)的浮動使得水下光照環(huán)境呈非均勻狀態(tài)，圖像中心部位形成亮斑而周圍形成暗區(qū)，嚴重影響圖像的對比度。

基于水下成像的特點，提高水下成像的質量，改善光照因素造成的影響與顏色失真，已經成為水下圖像處理的研究熱點?，F(xiàn)有的水下圖像處理可分為，基于成像模型的圖像復原方法和圖像增強方法兩大類。基于成像模型的圖像復原方法針對水下圖像退化過程，構建適用于水下環(huán)境的成像模型以恢復圖像，該類方法的重點在于分析水下成像的特點，并據(jù)此構建模型。而圖像增強方法主要通過改變圖像在不同顏色通道的強度分布，改善圖像的亮度、顏色與對比度，從而在視覺上改善水下圖像的視覺質量。

光照問題以及水下圖像的顏色失真是影響圖像質量的關鍵因素。圖像增強方法不考慮水下光學成像和光照機理，直接根據(jù)降質圖像的特征進行處理，能夠在一定程度上提高圖像質量。圖像復原利用物理模型估計圖像的降質模式，再根據(jù)估計值復原降質圖像，可以較好地實現(xiàn)降質圖像的復原，但是仍然存在兩個主要問題：一是估計介質散射光或景深信息的算法太費時且存在局限性；二是目前采用的水下成像模型大多數(shù)沒有考慮因人工光源導致的水下光照不均勻的問題。

本文提出了一種基于水下模型的圖像增強方法，該方法考慮到水下圖像的色散、色偏、對比度低等問題，利用水下光學物理模型，結合暗通道先驗，以及自適應直方圖均衡技術，進行多尺度光補償，較好地復原水下圖像。

1 水下圖像增強算法

1.1 水下成像模型

因為水下光學成像與霧天成像模型相似，所以暗通道先驗算法被廣泛應用于水下圖像增強。其成像模型為

式中，表示水下圖像，表示理想圖像，也可以視作入射光照射到場景表面后未經散射的反射光，A表示背景光，()表示透射率。透射率由光的衰減系數(shù)，景深函數(shù)()確定，表達式如式（2）所示。

何愷明從大量無霧圖像的統(tǒng)計規(guī)律中發(fā)現(xiàn)，R、G、B 3 個顏色通道中，至少存在一個顏色通道強度值很低，甚至接近于0。暗通道圖像為

式中，J表示顏色通道，Ω()表示以像素為中心的局部區(qū)域。

由于水下成像的特殊性，在深海中，自然光幾乎衰減為零，此時海底成像的光源主要來源于人造光源，通常假設人造光源與相機在同一水平面上，光源發(fā)出照射分量，經過距離()到達物體表面。此時的入射光()為

再經反射形成反射光，表達式為

將式（5）帶入水下成像模型式（1），獲得深海水下成像模型為

實際中，圖像在去除后向散射干擾后，仍然受到人造光的影響，也存在光在傳輸中衰減的問題。與傳統(tǒng)的圖像生成模型相比，基于暗通道先驗的算法，能夠更加準確地估算水下場景深度。當自然光到達水下，光會存在一定的衰減，場景中的點反射光傳播到相機從而形成圖像。

1.2 算法步驟

在水下成像過程中，色散是光吸收和懸浮顆粒在到達相機的過程中多次散射的結果；色偏是由于不同波長的光衰減不一致造成的，這是因為不同波長的光在傳播的過程中隨著距離的增加，衰減差異較大，尤其在深海成像過程中還存在人造光源自身顏色增益的影響。

在從水下圖像的頂部到底部的深度范圍內，光衰減的程度在每個區(qū)域中變化，因而需要估計每個補償點的水下深度。通常，為了克服水下攝影環(huán)境中的照明不足問題，會使用人造光源來輔助攝影。從而在補償衰減損失時，也需要考慮人造光源貢獻的亮度，以避免過度補償。 算法在進行適當?shù)难a償之前，考慮圖像范圍內衰減的能量和人造光源的亮度。具體算法步驟為：

（1）對水下圖像白平衡處理，獲得圖像。

（2）由暗通道先驗，獲得深度()與暗通道圖像。

（3）對圖像進行自適應直方圖均衡處理。

（4）提取直方圖均衡化圖的照度，色度與顯著性信息。

（5）提取圖像的照度，色度與顯著性信息。

（6）多尺度融合，進行散射光與色彩變化補償，增強圖像。

圖1（a）是待處理水下圖像，該圖整體偏藍，存在對比度低及顏色失真現(xiàn)象。圖1（b）為對圖（a）進行白平衡處理的結果圖，經過白平衡處理之后，顏色失真情況好轉。圖1（c）在白平衡基礎上，進行了自適應直方圖均衡化，由圖可見，圖像的對比度得到增強。圖1（d）、（e）與（f）分別是圖1（c）的照度圖、色度圖與顯著性圖。圖1（g）是圖1（a）的暗通道先驗結果圖。圖1（h）、（i）與（j）分別是圖1（g）的照度圖、色度圖與顯著性圖。圖1（k）是最終多尺度融合的處理結果，由圖可見圖像清晰度增強，對比度得到拉伸，顏色失真得到改善。

圖1

2 算法分析與評價

2.1 圖像增強評價指標

圖像增強質量評價標準主要分為兩類：主觀評價與客觀評價。其中主觀評價利用人眼觀察和評判圖像增強效果，但是評價結果容易受到環(huán)境，及評判人員心境與經驗等因素影響。雖然人眼的視覺對誤差的敏感度并不是絕對的，其感知結果會受到許多因素的影響而發(fā)生變化，但是主觀評價標準依然是常用的評價方法。

客觀評價能夠定量的評價圖像質量。常見的評價指標有很多，本文選擇3種適合水下圖像增強的客觀評價指標，分別是、、。其中指標無需參考圖像，其余兩種需要提供參考圖像對待評價圖像進行評估，這些指標能相對公正地測量圖像質量，評價增強算法的優(yōu)劣。

（1）。是色彩濃度，飽和度和對比度的線性組合，用來定量評價水下圖像在色偏，模糊和低對比度等方面的情況，屬于無參考圖像的圖像質量評價指標，目前逐漸成為水下圖像增強的重要評價指標之一，表達式如下：

其中，σ表示色度的標準差，con表示亮度的對比，μ表示飽和度的平均值，系數(shù)，，用于調整色度、亮度與飽和度的權重比值。

（2）。圖像均方誤差。設待評價圖像和參考圖像的大小為×，定義為：

（3）。峰值信噪比（）可以用來衡量增強圖像與參考圖像的相似程度，數(shù)值越大，表示增強效果越佳。定義為

其中，MAX是圖像的最大像素值。

2.2 實驗結果與分析

實驗所用圖像選自數(shù)據(jù)庫UIEB，該數(shù)據(jù)庫包含水下圖像及對應的高質量參考圖像。實驗從UIEB 數(shù)據(jù)庫選用20 幅具有代表性的圖像，用于檢測不同算法的增強效果。

在對比實驗中，論文選擇了經典的自適應直方圖均衡化算法（contrast limited adaptive histogram equalization，CLAHE），研究表明符合Rayleigh 分布的水下圖像在視覺上更加符合人類視覺習慣。除此之外，還選擇了暗通道先驗（dark channel prior，DCP）算法，以及WCID算法，這些算法在增強圖像領域都是經典算法，具有代表性。

圖2 是4 種增強算法的結果圖，其中圖（a）是3 幅水下原圖像，圖（b）、圖（c）、圖（d）與圖（e），分別對應于應用CLAHE 算法、DCP 算法、WCID 算法和本文算法對原圖進行增強后的效果圖。從圖中可以觀察到，DCP 算法在水下圖像增強方面效果不佳，WCID 算法能夠在清晰度、對比度與飽和度上增強原圖，CLAHE 算法在修正色偏、提高清晰度等方面效果較好。本文算法相較于其余3種算法，在色調、飽和度、對比度及清晰度各方面都有較好的表現(xiàn)，在主觀評價方面，本文算法最優(yōu)。

圖2 水下圖像增強結果比較

表1 是本文算法與3 種經典算法的3 種客觀評價數(shù)值。表中第1 列指標，數(shù)值越大，表示圖像色偏越小，畫面清晰度越高，對比度也越高。從表中數(shù)據(jù)可以看出指標顯示，本文算法最佳，遠遠高于DCP 算法與WCID 算法。在方面，本文算法平均值為18.6362，在4種算法的峰值信噪比上數(shù)值最大，表明本文所提算法增強的圖像與作為參考的質量最佳圖像最接近。用于評價兩幅圖像的均方差，數(shù)值越小，表明待比較的雙方誤差越小。表1第3 列數(shù)據(jù)顯示本文算法最小。綜合3 種評價指標可以看出，本文算法明顯優(yōu)于WCID 算法，在水下圖像增強應用中，也優(yōu)于CLAHE 算法與DCP算法。

表1 算法質量評價

3 結語

本文提出了一種新的水下圖像增強算法。該算法從水下成像模型出發(fā)，結合暗通道先驗與自適應直方圖均衡，提高了圖像的清晰度與對比度，同時由于進行多尺度光補償，能夠在色度，照度以及圖像顯著性上實現(xiàn)圖像增強，提高水下圖像質量。