不同颜色模型下自适应直方图拉伸的水下图像增强
目的 水下图像是海洋信息的重要载体,然而与自然环境下的图像相比,其成像原理更复杂、对比度低、可视性差.为保证不同类型水下图像的增强效果,本文提出在两种颜色模型下自适应直方图拉伸的水下图像增强方法.方法 首先,进行基于Gray-World理论对蓝、绿色通道进行颜色均衡化预处理.然后,根据红绿蓝(R-G-B)通道的分布特性和不同颜色光线在水下传播时的选择性衰减,提出基于参数动态优化的R-G-B颜色模型自适应直方图拉伸,并采用引导滤波器降噪.接下来,在CIE-Lab颜色模型,对‘L’亮度和‘a’‘b’色彩分量分别进行线性和曲线自适应直方图拉伸优化.最终,增强的水下图像呈现出高对比度、均衡的饱和度和亮度.结果 选取不同类型的水下图像作为数据集,将本文方法与融合颜色模型(ICM)、非监督颜色纠正模型(UCM)、基于暗通道先验性(DCP)的水下图像复原和基于水下暗通道先验(UDCP)的图像复原方法相比较,增强后的图像具有高对比度和饱和度.定性和定量分析实验结果说明本文提出的方法能够获得更好视觉效果,增强后的图像拥有更高信息熵和较低噪声.结论 在RGB颜色模型中,通过合理地考虑水下图像的分布特性和水下图像退化物理模型提出自适应直方图拉伸方法;在CIE-Lab颜色模型中,引入拉伸函数和指数型曲线函数重分布色彩和亮度两个分量,本方法计算复杂度低,适用于不同复杂环境下的水下图像增强.
水下图像增强、直方图分布、自适应直方图拉伸、颜色模型、拉伸函数、指数型曲线函数
23
TP301.6(计算技术、计算机技术)
国家自然科学基金项目61702323,41671431,41501419;上海高等教育学院特聘教授东方学者的项目TP2016038;上海海洋大学博士研究启动基金项目A2-0203-17-100322.National Natural Science Foundation of China61702323,41671431,41501419
2018-06-15（万方平台首次上网日期，不代表论文的发表时间）
共12页
640-651
