基于限制對比度顏色校正的水下圖像增強

余義德，周曼麗，王紅萍

(1.中國人民解放軍第91550部隊，遼寧 大連 116023； 2.中國海洋大學 信息科學與工程學院，山東 青島 266100)

基于限制對比度顏色校正的水下圖像增強

余義德1，周曼麗2，王紅萍1

(1.中國人民解放軍第91550部隊，遼寧 大連 116023； 2.中國海洋大學 信息科學與工程學院，山東 青島 266100)

針對水下圖像對比度低、顏色失真的問題，提出了限制對比度自適應的顏色校正模型算法，在灰度的基礎上，先求出RGB各個通道的均值然后進行對比判斷，根據均值的大小來決定是一端線性拉伸還是兩端線性拉伸。該方法基于顏色平衡、RGB色彩模型和HSI顏色模型的對比度校正。基于增強水下圖像質量的需求，該算法在CLAHE分塊進行局部處理方式的基礎上，對每小塊區域進行限制對比度，然后運用顏色校正模型算法，并采用雙線性插值來提高算法的效率，實驗結果表明該算法更加優異。

水下圖像；圖像增強；顏色校正模型；自適應算法

0 引言

隨著科技的進步，光學成像技術得到了廣泛的應用，已逐步涉及到人類生活和社會發展的各個方面，但受到場景條件的影響，有些圖像拍攝的視覺效果并不理想，需要采用圖像處理技術來突出其中的重點目標特征、減弱或去除噪聲，得到更適合人或機器進行分析處理的圖像[1]，進一步完成目標識別、跟蹤和解算等。圖像增強作為圖像處理的重要組成部分之一，對于改善圖像的質量發揮了巨大作用。早在20世紀60年代末和70年代初，圖像增強技術已經在醫學影像、地球遙感監測和天文學等領域嶄露頭角。目前圖像增強技術被廣泛用于退化文檔圖像的增強[2]；安控領域中的指紋圖像增強[3]；交通應用中的霧靄圖像增強[4]，車牌、路標等重要信息的識別；軍事應用中提取我方感興趣的敵方目標；以及海洋開發中越來越多的水下目標探測與圖像處理。

水下環境復雜，對其進行觀測、監控時較為直接有效的方法是采集圖像視頻，而由于水體本來的光學特性以及水中的懸浮顆粒、微生物和藻類等雜質的影響，導致采集到的視頻、圖像整體模糊，噪聲較多，對比度降低，整體偏暗，彩色圖片的顏色失真。因此要想提高觀測效率和準確率，必須提高視頻和圖片的質量，而水下圖像增強技術正是解決這些問題的一個重要手段。

直方圖均衡處理是圖像增強技術最常用的方法之一，可以有效地實現圖像對比度增強。然而這種原始的直方圖均衡化，不能使圖像效果得到最佳。因為該方法沒有考慮RGB 三個通道間的關系，導致圖像顏色部分失真[5]。1997年Kim提出了保持亮度特性的直方圖均衡算法(BBHE)[6]，引起了許多學者的關注。在1999年Wan等人提出二維子圖直方圖均衡算法(DSIHE)[7]。接著Chen和Ramli提出最小均方誤差雙直方圖均衡算法(MMBEBHE)[8]。為了保持圖像亮度特性，許多學者轉而研究局部增強處理技術，提出了許多新的算法，即遞歸均值分層均衡處理(RMSHE)[9]。后來，S.M.Pizer提出了一種自適應直方圖均衡化算法[10](Adaptive Histogram Equalization,AHE)，該算法更適合于改進圖像的局部對比度以及獲得更多的圖像細節。文獻[11-13]提到的限制對比度直方圖均衡(Contrast Limited Adaptive Histogram Equalization,CLAHE)算法，能有效限制這種不利的放大。

本文利用CLAHE算法的對比度限幅和雙線性插值的高效優勢，提出了一種基于限制對比度顏色校正的水下圖像增強算法。

1 顏色平衡算法

人的視覺系統具有顏色恒常性，能從變化的光照環境和成像條件下獲取物體表面顏色的不變特性，但成像設備不具有這樣的調節功能，不同的光照環境會導致采集的圖像顏色與真實顏色存在一定程度的偏差，需要選擇合適的顏色平衡(校正)算法，消除光照環境對顏色顯現的影響。

K.Iqbal等人提出的綜合顏色模型算法(ICM)[16]，將輸出圖像的RGB通道進行拉伸到整個動態范圍。再將圖像轉換到HIS(Hue,Intensity,Saturation)模型，對S、I進行拉伸。無人監督的顏色校正模型算法(UCM)[17]，基于Von Kries假說，先對各個通道進行剪切以增強對比度，然后按均值的大小再進行拉伸，最后轉換到HSI模型，對S、I通道進行拉伸。

1.1 均衡RGB

由于不同波長的光在水中的吸收衰減程度不同，如圖1，因此水下圖像一般情況下顏色是不平衡的，通常偏藍綠色。

圖1 不同波長的光在水中衰減情況

灰度世界算法假設自然界景物對于光線的平均反射的均值在總體上是個定值，這個定值近似地為“灰色”。該算法對顏色的校正過程如下：

① 圖像RGB三個分量的平均值為：

(1)

(2)

(3)

式中，N為圖像的像素總數。

② 圖像的平均灰度值為：

(4)

③ 3個通道的增益系數為：

(5)

(6)

(7)

④ 根據Von Kries對角模型，對圖像中每一個像素，調整其RGB分量，使得

(8)

(9)

(10)

得到校正后的RGB分量。

1.2 RGB顏色模型的對比度校正

水下圖像的低對比度使得圖像中很多細節容易被忽略[18]，首先設定一個期望值，然后增大像素值的動態范圍，對RGB通道進行拉伸以達到增強對比度的目的。根據對RGB各通道均值大小的比較，來判斷是進行單邊拉伸還是雙邊拉伸。

當Rmean較高或者Bmean較低時，R通道向左拉伸，B通道向右拉伸，如圖2和圖3所示。否則，G通道向兩邊拉伸，如圖4所示。

圖2 R通道向左側拉伸

圖3 B通道向右側拉伸

圖4 G通道向兩側拉伸

由于人的視覺對亮度敏感程度，為了便于色彩處理和識別，人的視覺系統經常采用HSI顏色空間，它比RGB顏色空間更符合人的視覺特性。將拉伸后的圖像轉化到HSI空間，同理對S、I進行拉伸，以增強圖像的飽和度和亮度，如圖5所示。

圖5 對S、I通道的雙邊拉伸

2 水下圖像增強算法

從本質上講，本文提出的基于限制對比度顏色校正的水下圖像增強算法是一個對比度直方圖重新分布和像素重新映射的過程。算法的具體流程如下：

① 對圖像進行預處理。大部分的水下圖像都是在光照不均勻的條件下獲取的，細節也很模糊并且伴有噪聲，算法針對圖像的對比度過低的問題，首先進行對比度限幅，即設定閾值，對圖像進行分塊處理(一般采用8*8)，以免處理后的彩色圖像會出現局部顏色不均勻的情況；

② 采用雙線性插值法加快運算，并消除塊狀結果；

③ 在灰度世界(GrayWorld,GW)的基礎上均衡各分塊圖像的RGB通道；

④ 對求出的RGB各個通道的值取平均，進行對比判斷，根據均值的大小來決定下一步是進行單向拉伸還是雙邊拉伸。

算法流程圖如圖6所示。

圖6 本文算法流程

以魚群和石頭2張水下圖像為實驗對象，首先分別采用GW、WP(WhitePatch)、直方圖均衡(HistogramEqualization,HE)、ICM、遞歸自適應直方圖規定化(RecursionAdaptiveHistogramSpecification,RAHS)、CLAHE、UCM和本文的限制對比度顏色校正(CLAUCM)算法進行增強處理。然后采用圖像的對比度、信息熵和平均梯度這3個常用的圖像質量評價指標來衡量各種增強算法處理后的圖片，如圖7和圖8所示。由圖7和圖8的處理結果，以及對表1的數據分析可以看出，本文提出的基于限制對比度顏色校正的水下圖像增強算法確實有較好的視覺效果，圖像更加清晰、對比度更強、細節也更加突出，且有更好的飽和度和亮度。

圖7 多種圖像增強算法處理的魚群效果

圖8 多種圖像增強算法的石頭效果

圖像內容參量原圖GWWPHEICMRAHSCLAHEUCMCLAUCM魚群對比度10．0814．9210．0862．4535．1629．5529．6837．8945．50平均梯度1．952．541．957．074．656．677．145．758．86信息熵6．076．366．077．966．997．287．287．117．72石頭對比度19．0818．3719．6230．4534．4244．2141．6937．2652．56平均梯度2．922．922．908．584．6313．471．194．7010．52信息熵6．436．386．487．556．977．777．697．068．02

3 結束語

本文提出了一種限制對比度自適應的顏色校正模型算法，在聯系多種基于直方圖和顏色校正模型算法原理的基礎上，首先總結出2種方法的共同點，即均為像素點的重新映射，然后繼續延展和創新得到的。通過實驗結果分析可以看出，與原有的圖像增強算法相比，在處理效果和質量評價方面都有一定的優勢。

[1] 岡薩雷斯.數字圖像處理(第2版)[M].北京:電子工業出版社,2003.

[2] MOGHADDAMR F,CHERIET M.A Variational Approach to Degraded Document Enhancement[J].IEEE Trans.Pattern Anal.Machine Intell.,2010,32(8):1 347-1 361.

[3] SHERLOCKB,MUNRO D,MILLARD K.Fingerprint Enhancement by Directional Fourier Filtering[J].IEE Proceedings-Vision Image and Signal Processing,1994,141(2):87-94.

[4] FATTALR.Single Image Dehazing[J].ACM Trans.Graphics,2008,27(3):721-729.

[5] WOODSRE,GONZALES RC.Real-time Digital Image Enhancement[J].IEEE Journals & Magazines,1981,69(5):643-654.

[6] KIMY T.Contrast Enhancement Using Brightness Preserving Bi-histogram Equalization[J].IEEE Transaction on Consumer Electronics,1997,43(1):1-8.

[7] WANGY,CHEN Q,ZHANG B M.Image Enhancement Based on Equal Area Dualisticsub-image Histogram Equalization Method[J].IEEE Transaction on Consumer Electronics,1999,45(1):68-75.

[8] CHENS D,RAMLI A R.Minimum Mean Brightness Error Bi-histogram Equalization in Contrast Enhancement[J].IEEE ,2003,49(4):1 310-1 319.

[9] CHENS,RAMLI A.Contrast Enhancement Using Recursive Mean-separate Histogram Equalization for Scalable Brightness Preservation[J].IEEE Transaction on Consumer Electronics,2003,49(4):1 301-1 309.

[10] PIZERS M.Psychovisual Issues in the Display of Medical Images[C]∥Hoehne KH(ed):Pictoral Information Systems in Medicine.Berlin,Germany,Springer-Verlag,1985:211-234.

[11] ZUIDERVELD K.Contrast Limited Adaptive Histogram Equalization[C]∥Graphics Gems,1994:474-485.

[12] PIZERS M,AMBURN E P,AUSTIN J D,et al.Adaptive Histogram Equalization and Its Variations[J].Computer Vision Graphics & Image Processing,1987，39:355-368.

[13] PISANO E D,ZONG S,HEMMINGER B M,et al.Contrast Limited Adaptive Histogram Equalization Image Processing to Improve the Detection of Simulated Speculations in Dense Mammograms[J].Journal of Digital Imaging,1998,11(4):193.

[14] GASPARINIF,SCHETTINIR.Color Correction for Digital Photographs[C]∥Proceedings of the 12th International Conference on Image Analysis and Processing,2003:646-657.

[15] ZHUGuidong,SHEN Li,WANG Jinjue.A Color Correction Method Based on the Region-specificvon-Kries Adaptation[J].Computer Engineering&Science,2007,29(2):50-52 .

[16] IQBALK,SALAM R A,OSMAN A,et al.Underwater Image Enhancement Using an Integrated Color Model[J].Iaeng International Journal of Computer Science,2007,34(2):239-244.

[17] IQBALK,ODETAYOM,JAMESA,et al.Enhancing the Low Quality Images Using Unsupervised Color Correction Method[J].IEEE International Conference on Systems,2010,25(1):1 703-1 709.

[18] LI Qingwu,SHU Daiqun,ZHOU Yan.Study on the Underwater Optical Image Clarity Enhancing[J].Acta Optica Sinica,2014,34:s110001-s110001-6.

Underwater Image Enhancement Based on Contrast Limited Color Correction

YU Yi-de1，ZHOU Man-li2,WANG Hong-ping1

(1.Unit91550,PLA,DalianLiaoning116023,China; 2.CollegeofInformationScience&Engineering,OceanUniversityofChina,QingdaoShandong266100,China)

Because of the special absorption and scattering characteristics of water medium,underwater image can not show natural color image quality.This paper proposes a color correction model algorithm that limits the contrast adaptation.The color correction model algorithm is to obtain the mean values of the RGB channels and compare them based on the gray scale,and then determine to do the linear stretching of one end or two ends according to the size of the average.The method is a contrast correction based on color balance,RGB color model and HSI color model.The algorithm is based on CLAHE that divides the pictures into small blocks to process,and then by limiting the contrast of each small block,applies the color correction model algorithm to process pictures based on underwater image enhancement requirement.Also,the bilinear interpolation is used to improve the efficiency of the algorithm.The practical operation shows that the algorithm has good treatment efficiency.

underwater image;image enhancement;color correction model;adaptive algorithm

10.3969/j.issn.1003-3106.2017.09.04

余義德,周曼麗,王紅萍.基于限制對比度顏色校正的水下圖像增強[J].無線電工程,2017,47(9):16-20.[YU Yide，ZHOU Manli,WANG Hongping.Underwater Image Enhancement Based on Contrast Limited Color Correction[J].Radio Engineering,2017,47(9):16-20.]

TP391.41

A

1003-3106(2017)09-0016-05

2017-03-22

余義德 男，(1975—)，高級工程師。主要研究方向：水下測量技術及應用。

王紅萍 女，(1971—)，高級工程師。主要研究方向：水下測量技術及應用。