朱大昌， 黃樂涵

(廣州大學(xué)機(jī)械與電氣工程學(xué)院，廣州 510000)

0 引言

近年來，水下視覺技術(shù)被廣泛應(yīng)用于各個(gè)領(lǐng)域。例如在海洋軍事領(lǐng)域，可以利用水下視覺技術(shù)對(duì)水下可疑目標(biāo)進(jìn)行自動(dòng)搜索和監(jiān)視,通過帶有視覺技術(shù)的水下機(jī)器人進(jìn)行布雷、排雷工作等,而水下視覺技術(shù)研究的重點(diǎn)就是對(duì)水下采集到的圖像進(jìn)行研究。由于水下介質(zhì)分布不均，光在水下傳播遇到懸浮粒子會(huì)發(fā)生散射，前向散射會(huì)造成圖像細(xì)節(jié)模糊；后向散射會(huì)造成霧狀模糊，導(dǎo)致圖像對(duì)比度下降[1]。此外，由于水對(duì)光的選擇性吸收，波長(zhǎng)較長(zhǎng)的紅光衰減得最快，波長(zhǎng)短的藍(lán)光傳播得最遠(yuǎn)，所以水下圖像往往呈藍(lán)色調(diào)[2]。水下圖像的這些特點(diǎn)限制了其在圖像識(shí)別、目標(biāo)檢測(cè)等領(lǐng)域的應(yīng)用，因此，利用圖像處理技術(shù)提升水下圖像的質(zhì)量尤為重要。

2012年，按照加快實(shí)施最嚴(yán)格水資源管理制度試點(diǎn)相關(guān)要求，上海市水務(wù)局組織編制了 《上海市水資源管理系統(tǒng)實(shí)施方案》，啟動(dòng)了新一輪水資源管理系統(tǒng)建設(shè)，一是在已有水資源監(jiān)測(cè)的基礎(chǔ)上進(jìn)一步優(yōu)化完善信息采集，形成與實(shí)行最嚴(yán)格水資源管理制度相適應(yīng)的水資源監(jiān)控能力；二是建立市區(qū)兩級(jí)水資源管理應(yīng)用系統(tǒng)，進(jìn)一步增強(qiáng)支撐水資源定量管理和對(duì)“三條紅線”執(zhí)行情況進(jìn)行考核的能力。

目前，水下圖像清晰化方法大致可以分為圖像增強(qiáng)和圖像復(fù)原兩種。對(duì)于圖像增強(qiáng)方法來說，通常不需要引入成像的物理模型條件，也不需要提前獲得水體的環(huán)境參數(shù)，而是直接通過圖像學(xué)處理方法對(duì)水下圖像進(jìn)行處理，得到更加顯著的視覺增強(qiáng)效果。JIANG等[3]利用稀疏低秩矩陣將水下圖像中的散射分量分離出來，從而增強(qiáng)圖像整體的對(duì)比度，是一種低復(fù)雜度的水下圖像去散射方法；劉志成等[4]利用光照分量構(gòu)造二維伽馬函數(shù)，并利用光照分量對(duì)圖像不同亮度區(qū)域進(jìn)行調(diào)整以實(shí)現(xiàn)對(duì)光照不均勻圖像的自適應(yīng)校正處理；李黎等[5]提出了一種基于改進(jìn)暗原色先驗(yàn)并利用白平衡進(jìn)行增強(qiáng)和利用灰度世界算法進(jìn)行顏色校正的方法，能夠有效處理后向散射嚴(yán)重的水下圖像，從而獲得更高的清晰度和對(duì)比度；黃冬梅等[6]在RGB和CIE-Lab顏色模型上進(jìn)行自適應(yīng)拉伸，根據(jù)水下圖像退化特點(diǎn)動(dòng)態(tài)定義拉伸區(qū)間，獲得清晰的水下圖像；IQBAL等[7]將水下圖像經(jīng)過拉普拉斯分解，對(duì)低頻波段做去霧、歸一化和白平衡，在高頻波段放大以保持邊緣，最后將兩個(gè)頻率圖像相加得到增強(qiáng)圖像；ALEX等[8]將圖像在Y和Cr通道分別應(yīng)用Retinex分解并使用高斯環(huán)繞函數(shù)做卷積處理，從而得到增強(qiáng)圖像;杜雪等[9]對(duì)圖像白平衡處理后轉(zhuǎn)換至LAB空間和HSV空間分別進(jìn)行伽馬校正和單尺度Retinex處理，并最終與CLAHE和雙邊濾波處理圖像加權(quán)融合得到增強(qiáng)圖像；韓平麗等[10]提出一種多尺度水下偏振成像方法，利用圖像分層處理思想并結(jié)合小波變換，提高圖像對(duì)比度，復(fù)原圖像細(xì)節(jié)信息。

上述研究成果在水下圖像增強(qiáng)領(lǐng)域都取得了一定的進(jìn)展，但由于水下環(huán)境復(fù)雜多變，這些方法對(duì)圖像增強(qiáng)對(duì)比度、亮度以及調(diào)整色偏的綜合性效果不佳，故本文提出了一種水下圖像增強(qiáng)的暗通道先驗(yàn)改進(jìn)算法，能夠綜合解決水下圖像顏色失真、細(xì)節(jié)模糊和對(duì)比度低下的問題，有效增強(qiáng)圖像暗部細(xì)節(jié)，全面提高水下圖像的對(duì)比度和清晰度。

多媒體課堂教學(xué)調(diào)動(dòng)各項(xiàng)感官，富有趣味性，增加師生互動(dòng)，符合學(xué)生對(duì)課堂的期待。目前尚存在一些問題，如教師過度使用多媒體，講課速度快，容量大，學(xué)生難以跟上節(jié)奏；部分學(xué)生由于學(xué)習(xí)風(fēng)格及習(xí)慣等對(duì)多媒體教學(xué)模式接受度不高。

過濾器技術(shù)可以屏蔽不良的網(wǎng)站，對(duì)網(wǎng)上色情、暴力和賭博等內(nèi)容有強(qiáng)大的堵截功能。防火墻技術(shù)可以有效地將內(nèi)部網(wǎng)與外部網(wǎng)隔離開來，保護(hù)網(wǎng)絡(luò)不受未經(jīng)授權(quán)的第三方侵入。

1 基于暗通道先驗(yàn)改進(jìn)算法的水下圖像增強(qiáng)方法

1.1 色偏校正

由入射分量L(x,y)的近似計(jì)算從而計(jì)算反射分量R(x,y)，入射分量的近似計(jì)算包括單尺度Retinex(SSR)算法[13]和多尺度Retinex(MSR)算法[14]。但這兩種算法容易產(chǎn)生色差的問題，因此提出了帶顏色恢復(fù)的多尺度Retinex(MSRCR)算法[15]。其數(shù)學(xué)表達(dá)式為

在每個(gè)像素位置(x)補(bǔ)償紅色通道Irc，即

2、縣域經(jīng)濟(jì)實(shí)力不強(qiáng)，綜合競(jìng)爭(zhēng)優(yōu)勢(shì)較弱。近年來，廣西縣域經(jīng)濟(jì)綜合實(shí)力有所提高，但與我國(guó)經(jīng)濟(jì)發(fā)達(dá)的省份相比，廣西縣域經(jīng)濟(jì)總量還是偏小，整體實(shí)力在全國(guó)范圍僅處于中等水平，并且遠(yuǎn)遠(yuǎn)落后于發(fā)達(dá)省份。如在第十五屆全國(guó)百強(qiáng)縣名單中，江蘇26個(gè)、山東 21個(gè)、浙江 18個(gè)、遼寧7個(gè)、福建6個(gè)、湖南4個(gè)，而廣西卻榜上無名，這說明廣西縣（市、區(qū)）綜合競(jìng)爭(zhēng)優(yōu)勢(shì)太弱。另外，廣西仍有國(guó)定貧困縣28個(gè)、自治區(qū)定貧困縣22個(gè)，農(nóng)村貧困人口達(dá)341萬人。

(1)

當(dāng)在渾濁或是浮游生物濃度較高的水域，藍(lán)色通道可能會(huì)顯著衰減，因此也需要補(bǔ)償藍(lán)色通道的衰減。補(bǔ)償后的藍(lán)色通道Ibc可表示為

(2)

該式含義與上文類似。式中：Ib和Ig分別表示圖像I的藍(lán)色通道和綠色通道；α也設(shè)為1。

限制對(duì)比度自適應(yīng)直方圖均衡(CLAHE)[16]通過對(duì)比度限幅能夠有效限制噪聲放大同時(shí)增強(qiáng)局部對(duì)比度，從而獲得更多的圖像相關(guān)邊緣信息。

1.2 同態(tài)濾波

式中：L(x,y)為入射分量；R(x,y)為反射分量。

相比于不作為、亂作為，假作為更具迷惑性。表面看，一切工作都在按部就班地進(jìn)行，甚至是一派熱火朝天的干事形象，如果不仔細(xì)探究，很難發(fā)現(xiàn)這只是假象，因而也更難治理。

圖1 算法對(duì)比圖Fig.1 Comparison of algorithms

如圖1(a)所示，進(jìn)行色偏校正后的圖像仍存在暗部細(xì)節(jié)模糊問題，因此利用同態(tài)濾波算法進(jìn)一步改善。為了保證經(jīng)過色偏校正的圖像顏色不發(fā)生變化，將圖像轉(zhuǎn)換到LAB顏色空間中進(jìn)行處理。在此空間中，保持顏色分量A，B不變，只對(duì)亮度分量L進(jìn)行同態(tài)濾波，得到對(duì)比度更強(qiáng)的圖像。 將經(jīng)過同態(tài)濾波處理的亮度分量L與顏色分量A，B結(jié)合，轉(zhuǎn)換至RGB顏色空間。如圖1(b)所示，該算法處理后的暗部細(xì)節(jié)模糊問題得到有效改善，能夠解決水下圖像亮度不均所導(dǎo)致的暗部特征不明顯的問題。

1.3 帶顏色恢復(fù)的多尺度Retinex算法

利用Retinex理論增強(qiáng)的目的是通過排除光線照射的干擾，獲取目標(biāo)物體固有的反射特性[12]。對(duì)圖像進(jìn)行MSRCR處理能夠有效提高圖像的亮度和色彩飽和度，圖像對(duì)比度整體加強(qiáng)，更加符合人眼的觀測(cè)。

假設(shè)初始圖像為I(x,y)，則

本研究采用理論研究和實(shí)證分析相結(jié)合的方法，針對(duì)要研究的主要問題搜集相關(guān)文獻(xiàn)資料，初步形成本研究的理論基礎(chǔ)；在理論分析的基礎(chǔ)上設(shè)計(jì)并發(fā)放調(diào)查問卷，運(yùn)用EXCEL軟件對(duì)問卷數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析.

I(x,y)=L(x,y)·R(x,y)

(3)

由于光在水下傳播時(shí)有吸收和散射，水下圖像會(huì)出現(xiàn)光照不均導(dǎo)致圖像細(xì)節(jié)模糊。同態(tài)濾波算法能夠壓縮圖像亮度范圍并增強(qiáng)圖像對(duì)比度。圖1所示為算法對(duì)比情況。

白平衡是通過補(bǔ)償由于水的深度對(duì)光選擇性吸收導(dǎo)致的顏色損失以改善圖像外觀。水下圖像通常呈藍(lán)色調(diào)，而最能消除藍(lán)色調(diào)的方法是灰度世界法。但直接采用灰度世界法會(huì)存在嚴(yán)重的紅色偽影，導(dǎo)致紅色位置被過度補(bǔ)償。因此首先要補(bǔ)充紅色通道的損失[11]。

(4)

式中：RMSR(x,y)為多尺度濾波后獲取的高頻細(xì)節(jié)圖像；Gn(x,y)為單個(gè)尺度高斯濾波；n為某個(gè)尺度參數(shù)；λn為權(quán)值，這里取值為1/3；ns為用到的尺度數(shù)，這里采用3個(gè)尺度；RMSRCRi(x,y)為第i個(gè)通道結(jié)合了色彩恢復(fù)因子的多尺度濾波后的高頻細(xì)節(jié)圖像；參數(shù)α，β分別為非線性強(qiáng)度控制因子和增益常數(shù)。

1.4 限制對(duì)比度自適應(yīng)直方圖均衡

在補(bǔ)償了紅色和藍(lán)色通道的衰減后，采用灰度世界法的假設(shè)來估計(jì)和補(bǔ)償圖像的色偏。但是經(jīng)過色偏校正后的圖像仍然存在細(xì)節(jié)模糊和對(duì)比度低的問題，需要對(duì)圖像進(jìn)一步處理。

由于有霧圖像的對(duì)比度比無霧圖像的對(duì)比度低，因而針對(duì)不同對(duì)比度的水下圖像也應(yīng)該有不同強(qiáng)度的暗通道先驗(yàn)圖像。如圖2所示，對(duì)比度較低的水下圖像，其暗通道先驗(yàn)圖像強(qiáng)度比較高，對(duì)比度較高的水下圖像，其暗通道圖像的強(qiáng)度比較低。綜上所述，對(duì)于不同對(duì)比度的圖像，對(duì)比度越大，其暗通道先驗(yàn)圖像強(qiáng)度越低[19]。

(5)

式中：N為某一分塊區(qū)域總像素；L為該分塊區(qū)域內(nèi)的最大灰度級(jí)數(shù)；α為截?cái)嘞禂?shù)，取值范圍為[0,1)。

由于子塊在均衡前后直方圖各有差異，各子塊的輸出灰度值發(fā)生變化，直接根據(jù)子塊的灰度變換輸出結(jié)果圖像會(huì)導(dǎo)致相鄰塊間出現(xiàn)塊效應(yīng)，因此在子塊直方圖均衡化后，利用雙線性插值進(jìn)行灰度值重構(gòu)能夠有效消除塊效應(yīng)，同時(shí)也提高了處理圖像的速度。

通過建立水下圖像數(shù)據(jù)集來驗(yàn)證本文算法的有效性。實(shí)驗(yàn)圖像來源于網(wǎng)絡(luò)搜索的水下圖像數(shù)據(jù)集。實(shí)驗(yàn)環(huán)境的計(jì)算機(jī)配置為CPU Intel?CoreTMi5-9400F 2.90 GHz,RAM 16 GiB。實(shí)驗(yàn)算法編程環(huán)境為Spyder(Python3.7)。

水利工程前期工作成果質(zhì)量評(píng)價(jià)工作的認(rèn)識(shí)和實(shí)踐……………………………………………………… 任鐵軍(9.30)

1.5 暗通道先驗(yàn)圖像

暗通道先驗(yàn)是一種無霧室外圖像的統(tǒng)計(jì)，是由HE等[18]提出的。暗通道先驗(yàn)理論提出，在絕大多數(shù)非天空的局部區(qū)域里，某些像素總是至少有1個(gè)顏色通道(R,G,B)的值很低，這說明了無霧圖像的暗通道先驗(yàn)圖像強(qiáng)度值比有霧圖像的暗通道先驗(yàn)圖像的強(qiáng)度值低。由于大氣中有霧圖像與水下有霧圖像有一定的相似性，都可以用大氣散射模型進(jìn)行建模。因此，水下有霧圖像的暗通道先驗(yàn)圖像強(qiáng)度特點(diǎn)也應(yīng)該與大氣有霧圖像的相似。將暗通道先驗(yàn)理論應(yīng)用于水下圖像，生成水下圖像的暗通道先驗(yàn)圖像，即

(6)

Idark→0

(7)

式中：Idark為暗通道先驗(yàn)圖像；c為R，G，B三通道中的某一通道；Ic(x)為水下圖像的某個(gè)通道；Ω(x)為以x為中心的局部窗口，窗口大小為15×15。

定理 若函數(shù)y=f(x)在區(qū)間[a,b]上的圖象是一條不間斷的曲線,且f(a)·f(b)<0,則函數(shù)y=f(x)在區(qū)間(a,b)上有零點(diǎn)．

對(duì)比度限幅是對(duì)分塊區(qū)域直方圖中高于某個(gè)閾值的像素進(jìn)行裁剪后，把截取的部分再平均分配到直方圖中，從而限制直方圖幅值。受限閾值C為[17]

圖2 不同對(duì)比度圖像及其暗通道先驗(yàn)圖像Fig.2 Different contrast images and dark channel prior images

1.6 基于暗通道先驗(yàn)改進(jìn)算法的水下圖像增強(qiáng)方法

根據(jù)同態(tài)濾波算法、MSRCR算法以及CLAHE算法在水下圖像上的處理結(jié)果可知：同態(tài)濾波算法可以在一定程度上緩解圖像亮度不均的情況，提升圖像暗部的特征；MSRCR算法能夠有效地提升圖像的亮度和色彩飽和度；CLAHE算法有一定的去霧化效果，可以解決圖像對(duì)比度低、全局偏白的問題。這3種算法都有各自最佳的應(yīng)用場(chǎng)景，鑒于水下環(huán)境復(fù)雜多變，圖像因各種問題造成失真，僅僅依靠一種圖像增強(qiáng)算法解決所有水下圖像的降質(zhì)問題是不夠的，因此將這3種算法處理的結(jié)果按照一定的規(guī)律進(jìn)行圖像加權(quán)融合，可以進(jìn)一步提高水下圖像增強(qiáng)算法的魯棒性。鑒于水下圖像應(yīng)用領(lǐng)域?qū)D像處理的效率及清晰度要求較高，本文提出一種水下圖像增強(qiáng)的暗通道先驗(yàn)改進(jìn)算法，根據(jù)暗通道先驗(yàn)圖像來計(jì)算圖像加權(quán)融合的權(quán)重系數(shù)，在最大程度上保持清晰度和對(duì)比度的同時(shí)提高融合效率。

在進(jìn)行水下圖像增強(qiáng)時(shí)，首先對(duì)圖像進(jìn)行色偏校正，接著將圖像從RGB空間轉(zhuǎn)換至LAB空間，在L分量上進(jìn)行同態(tài)濾波處理后轉(zhuǎn)換回RGB空間，分別在RGB空間中進(jìn)行MSRCR處理和CLAHE處理，并計(jì)算處理結(jié)果圖像的暗通道先驗(yàn)圖像，由于暗通道先驗(yàn)圖像的強(qiáng)度與水下圖像的對(duì)比度成反比，因此，先由暗通道先驗(yàn)圖像均值的exp函數(shù)計(jì)算出暗通道先驗(yàn)權(quán)重系數(shù)wDCP，定義為

(8)

式中：Imdark為暗通道先驗(yàn)圖像的均值；σ是常數(shù)，通過對(duì)水下圖像的暗通道先驗(yàn)圖像均值計(jì)算可知，σ=10，能夠有效保證暗通道先驗(yàn)權(quán)重系數(shù)不會(huì)過小，計(jì)算效率更高。

最后根據(jù)暗通道先驗(yàn)權(quán)重系數(shù)計(jì)算最終的融合權(quán)重系數(shù)，其算式為

(9)

式中：wDCPi為當(dāng)前圖像的暗通道先驗(yàn)權(quán)重系數(shù)；wDCP，other和wDCP，another為其他圖像的暗通道先驗(yàn)權(quán)重系數(shù)。

計(jì)算完融合權(quán)重系數(shù)Wi后，對(duì)3幅處理結(jié)果圖像首先進(jìn)行RGB通道分解，得到9幅單通道圖像，再分別按照其所屬的圖像通道分兩步進(jìn)行融合計(jì)算。對(duì)3幅處理結(jié)果圖像按照不同順序進(jìn)行融合比較發(fā)現(xiàn)：先對(duì)同態(tài)濾波圖像和CLAHE圖像進(jìn)行融合，再與MSRCR圖像進(jìn)行融合，其結(jié)果圖像總體偏暗，對(duì)比度較低；先對(duì)MSRCR圖像和CLAHE圖像進(jìn)行融合，再與同態(tài)濾波圖像進(jìn)行融合，其結(jié)果圖像偏霧化，清晰度較低；先對(duì)同態(tài)濾波圖像和MSRCR圖像進(jìn)行融合，再與CLAHE圖像進(jìn)行融合，其結(jié)果圖像顏色效果更好，對(duì)比度和清晰度較高。因此，選用先融合同態(tài)濾波圖像與MSRCR圖像，后融合CLAHE圖像的順序。具體操作如下：首先進(jìn)行第1步融合，同態(tài)濾波結(jié)果圖像與MSRCR結(jié)果圖像先分別進(jìn)行RGB通道圖像融合，再將得到的融合圖像根據(jù)式(8)計(jì)算其暗通道先驗(yàn)權(quán)重系數(shù)wDCP，運(yùn)用式(9)計(jì)算第2步融合的權(quán)重系數(shù)Wi，然后根據(jù)權(quán)重系數(shù)再次進(jìn)行融合，將第1步融合結(jié)果圖像與CLAHE結(jié)果圖像分別進(jìn)行RGB通道圖像融合，最后將融合結(jié)果的RGB 3個(gè)通道合并，獲取完整的融合結(jié)果圖像。完整的加權(quán)融合圖像增強(qiáng)處理算法結(jié)構(gòu)如圖3所示。

圖3 圖像增強(qiáng)處理算法結(jié)構(gòu)Fig.3 Structure of image processing algorithm

2 實(shí)驗(yàn)結(jié)果與分析

2.1 實(shí)驗(yàn)數(shù)據(jù)與環(huán)境

選擇耐高溫抗病品種，搞品種搭配種植和套種，降低生產(chǎn)風(fēng)險(xiǎn)。栽種前要查看本地區(qū)常年最高溫時(shí)段發(fā)生的時(shí)間，通過提前計(jì)劃，調(diào)整播種期讓抽雄吐絲期錯(cuò)開高溫天氣。

2.2 實(shí)驗(yàn)結(jié)果對(duì)比

為了說明本文算法的有效性，選取5幅不同場(chǎng)景和色調(diào)的水下圖像進(jìn)行處理，同時(shí)與文獻(xiàn)[9]、文獻(xiàn)[18]、CLAHE以及MSRCR這4種算法進(jìn)行比較。實(shí)驗(yàn)結(jié)果如圖4所示。文獻(xiàn)[18] 和CLAHE算法都提高了圖像的清晰度和對(duì)比度，但是色偏都沒有被消除且文獻(xiàn)[18]處理后圖像整體偏暗；MSRCR算法有效提高了圖像的亮度和顏色飽和度，但是色偏仍然存在，且圖像細(xì)節(jié)霧化；文獻(xiàn)[9]算法能夠有效改善色偏，提高圖像的清晰度和對(duì)比度，但圖像容易產(chǎn)生過度曝光導(dǎo)致細(xì)節(jié)丟失；本文算法在提高對(duì)比度、清晰度和調(diào)整色偏的同時(shí)，增強(qiáng)了暗部細(xì)節(jié)，具有較好的視覺效果。

圖4 不同算法的實(shí)驗(yàn)結(jié)果對(duì)比Fig.4 Comparison of experimental results of different methods

2.3 圖像質(zhì)量分析

與人眼的主觀評(píng)價(jià)相比，利用圖像的質(zhì)量評(píng)估指標(biāo)進(jìn)行評(píng)價(jià)更具有說服力。利用水下圖像質(zhì)量度量(UIQM)[20]、信息熵、點(diǎn)銳度EAV(Equalized Assessed Value)3個(gè)質(zhì)量指標(biāo)對(duì)算法處理結(jié)果進(jìn)行評(píng)估。

UIQM是水下彩色圖像質(zhì)量評(píng)價(jià)指標(biāo)，利用色度、飽和度和對(duì)比度的線性組合進(jìn)行評(píng)估，指標(biāo)數(shù)值越大代表圖像的效果越好，算式為

IUIQM=c1·CUICM+c2·CUISM+c3·CUIConM

(10)

式中：c1，c2和c3分別是線性組合中各分量的權(quán)重因子，c1=0.028 2，c2=0.295 3，c3=3.575 3；UICM是色度分量；UISM是清晰度分量；UIConM是對(duì)比度分量。

信息熵是度量圖像包含信息量多少的一個(gè)客觀評(píng)價(jià)指標(biāo)，信息熵越高表示融合圖像的信息量越高，質(zhì)量越好，算式為

(11)

式中：p(x,y)為每個(gè)像素點(diǎn)的灰度比例；m，n為圖像的大小。

點(diǎn)銳度EAV是通過計(jì)算圖像中某一邊界的灰度級(jí)變化來評(píng)價(jià)圖像的清晰度，圖像中的灰度變化大，邊界更明朗，圖像就更清晰，算式為

(12)

式中：df/dx為圖像邊緣方向的灰度變化率；f(b)-f(a)表示該方向的總體灰度變化。

鄰居女的嗓門比較大，經(jīng)常聽她訓(xùn)斥她家女兒，埋怨她孩子腦子太笨，簡(jiǎn)單的數(shù)學(xué)題老是做錯(cuò)。她家女孩確實(shí)有些木訥，或許是經(jīng)常挨罵皮實(shí)了，即便是被她媽媽大聲呵斥也從來不吭聲。我們搬到這個(gè)小區(qū)，和這家人做了半年鄰居，卻從來沒有說過一句話。

利用3個(gè)圖像質(zhì)量指標(biāo)對(duì)圖4中的5幅圖像進(jìn)行評(píng)價(jià)，如表1所示。

表1 水下圖像質(zhì)量評(píng)價(jià)Table 1 Underwater image quality evaluation

文獻(xiàn)[18]算法對(duì)圖像的UIQM、信息熵以及EAV指標(biāo)提高都不大，甚至略低于原圖像，圖像的對(duì)比度和清晰度都有所降低。CLAHE，MSRCR算法和文獻(xiàn)[9]算法對(duì)圖像質(zhì)量的提升較為明顯，CLAHE算法處理后部分的圖像信息熵略優(yōu)于實(shí)驗(yàn)的所有算法，但是由圖4可知，CLAHE算法增強(qiáng)的圖像仍然存在較大的色差，對(duì)UIQM指標(biāo)有所影響。MSRCR算法雖然整體提高了亮度和色彩飽和度，但EAV指標(biāo)還是略低，清晰度有所下降。文獻(xiàn)[9]算法對(duì)圖像進(jìn)行了色偏糾正，同時(shí)提高了圖像的對(duì)比度，部分UIQM和信息熵指標(biāo)略優(yōu)于實(shí)驗(yàn)的所有算法，但處理后圖像會(huì)出現(xiàn)曝光過度的亮度不均問題，造成圖像的細(xì)節(jié)信息丟失，導(dǎo)致EAV指標(biāo)僅略高于原圖像，降低了圖像的整體清晰度。本文算法的UIQM、信息熵及EAV指標(biāo)基本優(yōu)于4種對(duì)比算法，清晰度指標(biāo)EAV遠(yuǎn)遠(yuǎn)高于實(shí)驗(yàn)的所有算法，UIQM指標(biāo)也幾乎高于所有算法，有效糾正了圖像色偏，增強(qiáng)了圖像的清晰度和對(duì)比度。同時(shí)，由表2不同算法的平均運(yùn)行時(shí)間可知，相比于文獻(xiàn)[18]、文獻(xiàn)[9]算法，本文算法的運(yùn)行時(shí)間更短。但由于本文算法中包含了MSRCR和CLAHE兩種算法的處理，因此運(yùn)行時(shí)間長(zhǎng)于這兩種算法。

綜上所述，培美曲塞聯(lián)合順鉑治療晚期非鱗非小細(xì)胞肺癌應(yīng)用能降低血清腫瘤標(biāo)志物CEA表達(dá)水平與提高ApoA1表達(dá)水平，提高治療療效，且不會(huì)增加毒副反應(yīng)的發(fā)生，從而延長(zhǎng)患者的生存期。

表2 不同算法的平均運(yùn)行時(shí)間Table 2 Average running time of different algorithms

3 結(jié)論

針對(duì)水下環(huán)境復(fù)雜多變，水下圖像出現(xiàn)細(xì)節(jié)模糊、對(duì)比度下降和顏色失真等問題，本文提出了一種基于暗通道先驗(yàn)改進(jìn)算法的水下圖像增強(qiáng)方法。首先通過補(bǔ)償紅、藍(lán)色通道的損失，能夠有效校正圖像由于光的選擇性吸收導(dǎo)致的顏色失真。其次利用色偏校正后的圖像分別在LAB空間對(duì)L分量進(jìn)行同態(tài)濾波，能夠解決水下圖像由于光的前向散射導(dǎo)致的細(xì)節(jié)模糊以及光照不均導(dǎo)致的暗部細(xì)節(jié)不清晰的問題；在RGB空間中對(duì)圖像進(jìn)行CLAHE處理，能夠解決水下圖像由于光的后向散射導(dǎo)致的整體呈現(xiàn)霧狀模糊的問題；在RGB空間中進(jìn)行MSRCR處理，能夠有效均衡水下圖像亮度并提高色彩飽和度，增強(qiáng)了圖像整體的對(duì)比度。從主觀視覺效果上，本文算法可以得到很好的顏色效果、較高的對(duì)比度和清晰度。客觀上，在相同條件下，相較于其他對(duì)比算法，本文算法的圖像增強(qiáng)效果更優(yōu)，在UIQM、信息熵和EAV方面都取得很好的效果，特別是在圖像整體偏暗時(shí)效果愈加顯著。