基于清晰度評價的水下退化圖像盲復原

陳從平 鄒 雷 王 健

（三峽大學 機械與材料學院，湖北 宜昌 443002）

隨著科學技術的不斷發(fā)展，水下視覺成像、探測技術已在工業(yè)、軍事、民用等各個領域得到了一定的應用，如海洋資源探測、水下打撈等，在這些過程中，需要通過視覺系統(tǒng)為水下機器人提供大量的信息，以實現(xiàn)對目標的自動辨識和操作的自動導引.但由于水下照明環(huán)境惡劣，造成成像質(zhì)量較差，細節(jié)模糊，難以獲取準確的信息.因而在對目標辨識之前，需要對圖像進行復原處理，以獲得盡量清晰的圖像.

近年來已有不少文獻對水下圖像復原方法進行了研究，主要集中在非模型法和模型法兩大類［1－2].非模型法主要根據(jù)圖像特征和點擴展函數(shù)的相關知識對降質(zhì)圖像進行處理，包括直方圖均衡化及其改進算法、基于非線性變換以及小波變換等算法、盲反卷積算法等［3－5].這些方法的共同缺點是使圖像清晰化的同時，會造成圖像失真，視覺效果差.模型法是根據(jù)光照物理模型去估計圖像的降質(zhì)模式，然后再根據(jù)估計結(jié)果去補償、復原降質(zhì)圖像，包括基于散射模型［6]和高斯模型的水下圖像復原算法［7]、基于模擬方法的水下圖像盲復原算法［8]等.該類方法雖然能不失真地對降質(zhì)圖像進行復原，但通常需要有關成像系統(tǒng)和成像環(huán)境的一些附加信息，而這些信息在真實作業(yè)環(huán)境中難以獲得.針對以上存在的問題，本文提出了一種基于清晰度評價的水下圖像自適應復原算法，大量實驗驗證了本文提出算法的有效性.

1 水下數(shù)字圖像成像的特點

雖然水下成像技術近幾年得到了飛速發(fā)展，在成像質(zhì)量方面有很大的提高，但仍然呈現(xiàn)明顯的不足，主要表現(xiàn)為［9]：①照明光為匯聚光，以照明光最強點為中心，徑向逐漸減弱，反映到圖像上就是背景灰度分布不均，輪廓灰度過渡平滑；②由于水體及懸浮物物對光的吸收效應、散射效應和卷積效應使得水下圖像極不理想，產(chǎn)生嚴重的非均勻亮度和細節(jié)模糊，而且圖像信噪比很低，對比度差；③水體的波動導致圖像中產(chǎn)生許多假細節(jié)，如自陰影、假紋理、假輪廓等，會給后續(xù)目標辨識造成困難.

由于不能確切地知道模糊過程的退化模型，本文采用圖像盲復原方法對水下退化圖像進行恢復處理.由于影響水下成像質(zhì)量的主要因素是水體對照明光的后向散射，可以將水下圖像模糊過程的退化模型看成是高斯模型［10]，故對退化圖像的復原處理就轉(zhuǎn)化為對高斯模型的參數(shù)估計，本文在此基礎上提出了一種基于清晰度評價的參數(shù)估計算法對水下圖像盲復原，獲得了較好的效果.

2 算法原理

2.1 復原算法

對于水下圖像的成像過程，一般情況下認為噪聲為未知加性噪聲，成像系統(tǒng)具備線性和空間位移不變性［11]，則成像模型可以描述為

式中，g（x，y）表示得到的退化圖像，h（x，y）表示成像系統(tǒng)的點擴展函數(shù)（PSF），f（x，y）表示原始的清晰圖像，n（x，y）為噪聲.取點擴展函數(shù)為對稱二維高斯模型為

式中，Ω為PSF的支持域，（i0，j0）為Ω的中心點，k為歸一化系數(shù)，0≤a≤1為待定參數(shù)，其值決定了PSF的精度.在已求得PSF的情況下，由于噪聲的具體信息未知，據(jù)式（1）可采用Lucy－Richardson（L－R）迭代算法對水下退化圖像進行復原：

式中，⊕為卷積，f為復原圖像的估計，取初值為g.當式（3）迭代收斂時，即可得到復原圖像.

2.2 參數(shù)估計

由于式（2）所表示的PSF包含未知參數(shù)a，需要對a進行估計.一般情況下，參數(shù)估計的準確性取決于所選擇的評價標準并最終決定圖像的復原質(zhì)量.本文以圖像清晰度作為評價標準，既與人眼的視覺相符合又具有客觀性：

式中，I（i，j）為圖像在點（i，j）處的實際灰度值，E為清晰度，其值越大表示圖像越清晰.對參數(shù)a進行估計時，取a的初始值為0，具體步驟如圖1所示，其中最大E值對應的圖像即為最清晰復原圖像.

圖1 盲復原算法流程圖

3 實驗及結(jié)果

為驗證算法的有效性，選取水深6m以上河床底部石塊水下圖像與較為渾濁的橋墩水下表面裂縫圖像進行實驗，分別用盲反卷積算法、基于散射模型的水下圖像復原算法以及本文算法對水下圖像進行復原，結(jié)果分別如圖2～3所示，可以看出用本文算法復原后的圖像清晰度比另外兩種算法復原后的圖像清晰度要高，并且能夠有效地消除振鈴效應.本文算法中對應的參數(shù)a估計結(jié)果分別如圖4～5所示，隨所選取的模板增大，E－a曲線出現(xiàn)不同的極大值，但對同一原始水下退化圖像，極大值點對應的a值基本相同；進一步，由圖4、圖5及另外30組對比實驗統(tǒng)計結(jié)果表明，當模板大小為13×13左右時，模板大小變化對E－a曲線極大值影響較小，趨于收斂，因而實際使用本算法時，為保持較高的清晰度，同時盡量較少計算量，可選模板為11×11左右為宜.

表1為圖2～3復原前后模糊信噪比（BSNR）［12]和清晰度比較結(jié)果，可以看出利用本文算法復原后圖像的BSNR和清晰度都比另外兩種算法高，進一步驗證了本文算法的有效性.

表1 圖像復原前后BSNR和清晰度對比

4 結(jié) 論

水下圖像受環(huán)境與光照條件影響退化嚴重，圖像模糊.為獲得清晰圖像，以最高清晰度為評價準則對圖像進行盲復原，并通過實際水下圖像對算法進行了驗證，結(jié)果表明利用本文算法圖像模糊信噪比及清晰度都得到顯著提高.

［1]張 航，羅大庸.圖像盲復原算法研究現(xiàn)狀及其展望［J].中國圖像圖形學報，2004，9（10）：1145－1146.

［2]李慶忠，李長順，王中琦.基于小波變換的水下降質(zhì)圖像復原算法［J].計算機工程，2011，37（7）：1－3.

［3]高志榮，呂 進.基于壓縮感知與小波域奇異值分解的圖像認證［J].中南民族大學學報：自然科學版，2010，29（4）：89－93.

［4]KashifIqbal and Rosalina Abdul Salam.Underwater Image Enhancement Using an Integrated Color Model［J].IAENG International Journal of Computer Science，2007，34（2）.

［5]范 泛，楊克成，夏 珉，等.盲反卷積方法在水下激光圖像復原中的應用［J].光電與光電技術，2010，8（3）：13－17.

［6]邊信黔，王曉娟.基于散射模型的水下圖像復原［J].機器人，2010，32（6）：721－725.

［7]馬 田，籍 芳.水下數(shù)字圖像盲復原算法研究［J].現(xiàn)代電子技術，2010，313（2）：109－111.

［8]魯國春，聶 武，張 赫.基于模擬方法的水下圖像復原［J].大連海事大學學報，2011，37（3）：70－73.

［9]王 猛，白洪亮.同態(tài)濾波器在水下圖像對比度增強中的應用［J].應用科技，2003，30（7）：15－17.

［10]孫傳東，陳良益，高立民，等.水的光學特性及其對水下成像的影響［J].應用光學，2002，21（4）：39－46.

［11]章毓晉.圖像工程［M].2版.北京：清華大學出版社，2007.

［12]單曉明.數(shù)字圖像的盲復原研究［D].南京：南京理工大學，2005.