论文部分内容阅读
水下图像在水下探测中具有重要意义,通过对直观图像的研究可以获得各种未知环境的信息。由于水下信道环境复杂,以及水下图像成像设备的特性导致了成像结果对比度低、图像质量差、目标与背景之间对比度低。水下噪声带来的干扰和水体内部的不均匀特性很大程度上降低了获取图像的质量。这些问题影响了获取图像的可视效果,同时也对后续的目标检测与识别分析等工作带来了很大困难。低层视觉处理中的图像复原和图像增强可以有效解决这些问题。本文的研究重点为水下图像复原和水下图像增强,在分析图像退化降质模型的基础上,围绕傅里叶频谱、多尺度几何分析方法、人眼视觉特性、同态滤波、马尔可夫随机场、字典学习理论、直方图均衡、全变分、图像形态学方法以及它们在相关图像处理技术中的典型应用而展开。论文的主要研究成果及创新性表现在以下几个方面:(1)针对水下模糊图像复原问题,阐述了图像退化模型的基本概念,分析了包括运动模糊,高斯模糊,离焦模糊的不同模糊原理。讨论了不同模糊类型的确定以及通过解卷积复原图像的各类方法,比较了对应于不同模糊类型所适用的解卷积方法。同时针对点扩散函数中的未知参数提出了利用拉东变换和傅里叶变换估计运动模糊中模糊角度和模糊长度的方法以及通过傅里叶频谱的特征确定高斯模糊与离焦模糊中的未知参数的方法,实现了在缺少先验信息下水下模糊图像的分类复原。(2)针对高斯噪声环境下水下非相干图像复原问题,分析了表面波变换的原理、构成和特性。阐述了表面波变换和视网膜皮层原理以及二者特性,并在此基础上提出了一种将彩色图像由RGB色彩空间转换至HSV色彩空间,利用表面波结合自适应阈值处理饱和度分量,多尺度视网膜皮层方法处理亮度分量的水下图像去噪方法。实现了高斯噪声下的水下非相干图像去噪复原。(3)针对脉冲噪声环境下水下非相干图像复原问题,通过研究脉冲耦合神经网络特点,借鉴同态滤波的概念,提出了一种基于改进同态滤波结合简化脉冲耦合神经网络水下非相干图像去噪方法。该方法引入简化脉冲耦合神经网络模型,结合中值滤波对图像中脉冲噪声加以滤除,同时将小波变换引入同态滤波并通过同态滤波调整图像亮度,提升复原图像的视觉效果,实现了对水下非相干图像中脉冲噪声的去除。(4)针对高斯噪声环境下水下相干图像复原问题,结合专家场方法与核奇异值分解模型,提出一种水下相干图像去噪复原方法。探讨了专家场中不同参数的选取和噪声标准差估计方法,同时该方法还采用字典学习的方式通过噪声图像构建学习字典,通过核奇异值分解完成对高强度噪声下水下相干图像的去噪复原。所提出方法将确定性的方法和随机性的方法加以联合,达到去除图像噪声、改善图像视觉效果的目的。(5)针对水下图像增强问题,根据对直方图均衡算法和Retinex方法的研究,提出了一种基于最大熵的水下图像增强方法。该方法将水下彩色图像进行RGB色彩空间下的图层分解,通过直方图均衡化和Retinex分别对各图层进行增强,比较通过两种方法增强后图层的熵值并保留高熵值的图层作为待合成图层,最终选取熵值高的图层分量结果合成增强后彩色图像。相比于单纯采用直方图均衡或Retinex,该方法能够使图像视觉增强效果得到进一步提高。(6)针对水下图像增强问题,提出了一种全变分结合图像形态学的水下图像增强方法。在暗原色先验的基础上针对降质图像模型对透射图进行估计,改进后的方法引入全变分以及图像形态学中顶帽变换和底帽变换实现对降质图像的透射图估计。估计结果相比于其他方法更加准确,结合背景光亮度复原后的场景更加自然。实验结果表明该方法切实可行,能有效消除图像中色彩失真,实现水下图像的增强,获得良好的视觉效果。