水下图像增强和复原方法研究

• 作 者: 孙美双
• 出 处: 天津大学
• 发表日期: 2004年期
• 关键词: 水下图像 卷积神经网络 图像增强 图像复原 对比度 颜色校正

近年来,随着陆地资源的减少,海洋成为人类获取资源的重心。海洋图像可以直观地反映水下环境信息,因此对水下图像的分析处理有利于海洋勘探、海洋环境监测、海洋军事应用等方面的研究。为了高效获取海洋信息,采用图像处理技术清晰化水下图像具有重要意义。在此背景下,本文的主要工作内容有以下几点:第一,通过分析光在水下传输过程中所产生的吸收和散射作用,分别对水下图像基于非物理模型和基于物理模型进行分析,为后续水下图像增强和复原提供了依据。第二,提出一种分层加权融合的水下图像增强算法。该算法通过引导图像滤波有效去除噪声并保留边缘信息;然后利用拉普拉斯金字塔分解滤波图像,以便为后续图像融合减少时间复杂度,通过引入权重影响因子修正权重图来进一步突出细节;最后采用拉普拉斯金字塔重建得到增强的水下图像。该方法提高了图像对比度,颜色得到了校正,并且提高了效率。第三,提出一种基于卷积神经网络复原水下图像的方法。首先根据清晰图像,通过水下图像退化模型模拟水下图像的形成过程,建立水下图像的图像库;然后提出一种用于水下图像增强的卷积神经网络模型,该模型可以直接在清晰图像和水下图像之间建立映射关系得到水下图像的特征;最后,通过卷积神经网络提取的图像特征,对水下图像进行复原。经过该算法得到的图像提高了清晰度且颜色校正效果较好,为水下图像复原方法提供了一种思路。