基于CIELab和HIS空間的聲吶圖像偽彩色增強方法及質(zhì)量評價

李秋菊, 徐海平, 茍 春

基于CIELab和HIS空間的聲吶圖像偽彩色增強方法及質(zhì)量評價

李秋菊, 徐海平, 茍 春

(中國船舶集團有限公司 第705研究所昆明分部, 云南 昆明, 650106)

現(xiàn)有聲吶圖像偽彩色增強方法只涉及到RGB顏色空間和HSV顏色空間。因此, 文中提出2種涉及CIELab空間和HIS空間的聲吶圖像偽彩色增強方法, 并對其增強后的圖像進行質(zhì)量評價。首先提出一種基于CIELab空間的聲吶圖像偽彩色增強方法, 該方法實時性好, 圖像清晰, 層次豐富。而后結(jié)合大津法, 根據(jù)聲吶圖像的灰度分布特性, 提出一種基于HIS空間的自適應(yīng)聲吶圖像偽彩色增強方法, 該方法自適應(yīng)性強, 處理后的圖像信息豐富。最后, 采用2種客觀質(zhì)量評價方法聯(lián)合主觀評價, 驗證了文中2種增強方法的有效性。

聲吶圖像; 偽彩色增強; CIELab空間; HIS空間; 質(zhì)量評價

0 引言

聲吶成像屬于能量成像的一種方式, 其成像類型一般為強度圖像, 是將其線性映射到一定的灰度級范圍內(nèi), 以灰度圖像的方式顯示出來[1]。然而人眼通常只能分辨十幾級灰度, 但對彩色圖像的視覺感受比灰度圖像的感受豐富得多, 能分辨上千種彩色的色調(diào)和強度。此外, 彩色空間是三維空間, 信息量更大[2]。因此, 將灰度聲吶圖像添加顏色進行偽彩色增強不但可以增強其視覺效果, 而且可以增加圖像信息, 便于后續(xù)的聲吶圖像處理。

除了上述提到的RGB和HSV顏色空間, 顏色空間還包括CIELab、HIS空間等。CIELab和HIS空間都可以和RGB空間進行相互轉(zhuǎn)換。其中, CIELab顏色空間比RGB空間要大, 而HSV顏色空間所代表的顏色域也只是CIE色度圖的一個子集, 此外, CIELab空間與設(shè)備無關(guān), 彌補了RGB空間必須依賴設(shè)備的不足[10-11]; 而HIS空間將圖像的亮度信息與彩色信息分開, 比RGB空間更適合人的感知習(xí)慣。

文中提出一種基于CIELab空間的聲吶圖像偽彩色增強算法以及一種基于HIS空間的自適應(yīng)聲吶圖像偽彩色增強方法[12-14], 用于灰度聲吶圖像的偽彩色增強。

1 基于CIELab空間的聲吶圖像偽彩色增強算法

文中提出的基于CIELab空間的聲吶圖像偽彩色增強算法[11,15](以下簡稱方法1)是一種非線性變換的算法, 其具體流程如下。

4) 將p變換到CIELab空間。由于RGB空間并不能一步轉(zhuǎn)換到CIELab空間, 需要首先變換到空間, 其變換公式為

然后由空間變換到CIELab空間, 其變換公式為

式中:0=0.950 456;0=1;0=1.088 754;

該逆變換過程也不是一步到位, 首先要逆變換到空間, 其變換公式為

式中:0=0.950 456;0=1;0= 1.088 754;

再從空間變換到RGB空間, 即

方法1生成的彩色查找表如圖1所示。

圖1 方法1的彩色查找表

2 基于HIS空間的自適應(yīng)聲吶圖像偽彩色增強方法

3 偽彩色增強質(zhì)量評價

聲吶圖像偽彩色增強質(zhì)量評價可分為主觀評價和客觀評價。主觀評價是指查看結(jié)果圖像時的主觀感受。客觀評價是指采用聲吶圖像的對比度和平均梯度2個標準對偽彩色增強后的聲吶圖像進行評價[11]。其中, 對比度越大圖像色彩層次越豐富, 其計算公式為

平均梯度反應(yīng)了圖像的清晰程度和紋理變化, 平均梯度越大說明圖像越清晰, 其計算公式為

4 實驗結(jié)果

基于MATLAB2018a, 采用文中提出的2種方法對圖2所示的4幅灰度聲吶圖像進行偽彩色增強, 并對比copper和hot方法[16], 其實驗結(jié)果如圖2和表1所示。

圖2 偽彩色增強結(jié)果主觀評價

表1 偽彩色增強結(jié)果客觀評價

從圖2可以看出, 文中2種方法的結(jié)果色彩豐富、層次明顯。此外, 從放大圖像來看, 這2種方法結(jié)果的細節(jié)相較其他方法更清晰。

分析表1的客觀評價結(jié)果可得, 文中2種方法客觀質(zhì)量評價中平均梯度和對比度結(jié)果都要好于其他2種方法。但就運行時間來講, 方法1、copper和hot都屬于彩色查表的方法, 彩色查表生成以后, 其偽彩色增強只是一個索引的過程, 所以這3種方法的實時性都非常好。但方法2由于需要基于大津法計算其閾值, 各個像素的、、值也需計算, 所以實時性較差, 但其效率仍在可接受范圍內(nèi)。此外, 由于基于彩色查找表的方法均需對原始聲吶圖像進行灰度級壓縮, 以適應(yīng)彩色查找表的灰度級范圍, 但方法2不需要此過程, 所以方法2的自適應(yīng)性更強。

總體來說, 無論是客觀評價還是主觀評價, 都說明文中所提2種方法是可行且有效的。

5 結(jié)束語

文中提出的2種偽彩色增強方法充分利用了CIELab和HIS顏色空間。由實驗結(jié)果可知, 主觀評價其增強結(jié)果細節(jié)較清晰, 色彩較豐富, 客觀評價結(jié)果也顯示其增強結(jié)果相較于copper和hot方法要好。其中, 基于CIELab空間的聲吶圖像偽彩色增強算法實時性較好, 可應(yīng)用于工程實際。該方法生成的彩色查表是28個灰度級, 實際中也可將其做成216個灰度級或更高灰度級。基于HIS空間的自適應(yīng)聲吶圖像偽彩色增強方法自適應(yīng)性強, 雖實時性欠佳, 但仍在可接受范圍內(nèi), 未來將針對此做進一步改進研究。此外, 也可以通過將灰度聲吶圖像去噪后再進行偽彩色處理等方法來提升聲吶圖像偽彩色增強的效果。

[1] 劉維, 劉紀元, 黃海寧, 等. 聲納圖像偽彩色處理的調(diào)色板連續(xù)編碼方法[J]. 系統(tǒng)仿真學(xué)報, 2005, 17(7): 1724-1731.

Liu Wei, Liu Ji-yuan, Huang Hai-ning, et al. Palette’s Continuous Coding Method for Sonar Image Pseudo-color Processing[J]. System Simulation, 2005, 17(7): 1724-1731.

[2] 趙向文, 靳國旺, 許競軒, 等. 基于多閾值大津法直方圖分割的SAR數(shù)據(jù)偽彩色量化方法[J]. 測繪科學(xué)技術(shù)學(xué)報, 2012, 29(6): 445-449.

Zhao Xiang-wen, Jin Guo-wang, Xu Jing-xuan, et al. Pesudo-Color Quantization of SAR Data Based on Multi-Threshold Otsu Method of Histogram Segmentation[J]. Journal of Geomatics Science and Technology, 2012, 29(6): 445-449.

[3] Welsh T, Ashikhmin M, Mueller K. Transferring Color to Grayscal Images[J]. ACM Transactions on Graphics, 2002, 21(3): 277-280.

[4] 曹茂永, 郁道銀. 基于感知顏色空間的灰度圖像偽彩色編碼[J]. 光學(xué)技術(shù), 2002, 28(4): 61-63.

Cao Mao-yong, Yu Dao-yin. Pseudocolor Coding of Gray Image Based on Perceptual Color[J]. Optical Technique, 2002, 28(4): 61-63.

[5] Toet A. Colorizing Single Band Intensified Nightvision images[J]. Displays, 2005, 26(1): 15-21.

[6] 熊平波. 側(cè)掃聲吶中的偽彩色圖像處理研究[D]. 昆明: 昆明理工大學(xué), 2019.

[7] 陳亞欣, 武文波. 基于Robrt梯度與HIS色彩空間的SAR圖像偽彩色編碼[J]. 測繪與空間地理信息, 2017, 40(4): 85-88.

Chen Ya-xin, Wu Wen-bo. Pseudo-color Coding of SAR Images Based on Roberts Gradient and HIS Color Space[J]. Geomatics & Spatial Information Technology, 2017, 40(4): 85-88.

[8] 朱進, 李力, 金偉其, 等. 低照度夜視成像的自然感彩色化及增強方法[J]. 光子學(xué)報, 2018, 47(4): 1-10.

Zhu Jin, Li Li, Jin Wei-qi, et al. Natural-appearance Colorization and Enhancement for the Low-light-level Night Vision Imaging[J]. Acta Photonica Ainica, 2018, 47(4): 1-10.

[9] 張濟博, 潘國富, 蔣維杰, 等. 側(cè)掃聲納圖像偽彩色增強研究[J]. 聲學(xué)技術(shù), 2015, 34(4): 114-117.

Zhang Ji-bo, Pan Guo-fu, Jiang Wei-jie, et al. Pseudo-color Enhancement for Side Scan Sonar Image[J]. Technical Acoustics, 2015, 34(4): 114-117.

[10] 趙軍輝, 吳玉峰, 胡坤融, 等. 基于Lab色彩空間和色調(diào)映射的彩色圖像增強算法[J]. 計算機科學(xué), 2018, 45(2): 114-117.

Zhao Jun-hui, Wu Yu-feng, Hu Kun-rong, et al. Color Image Enhancement Algorithm Based on Lab Color Space and Tone Mapping[J]. Computer Science, 2018, 45(2): 114-117.

[11] 余磊, 靳國旺, 徐青, 等. 基于非線性編碼和lαβ變換的SAR圖像偽彩色增強[J]. 測繪科學(xué)技術(shù)學(xué)報, 2012, 29(3): 192-195.

Yu Lei, Jin Guo-wang, Xu Qing, et al. SAR Image Pseudo-Color Enhancement Based on Nonlinear Coding and lαβ Transformation[J]. Journal of Geomatics Science and Technology, 2012, 29(3): 192-195.

[12] 盧紅陽, 劉且根, 熊嬌嬌, 等. 基于最大加權(quán)投影求解的彩色圖像灰度化對比度保留的算法[J].自動化學(xué)報, 2017, 43(5): 843-853.

Lu Hong-yang, Liu Qie-gen, Xiong Jiao-jiao, et al. Maximum Weighted Projection Solver for Contrast Preserving Decolorization[J]. Acta Automatica Sinica, 2017, 43(5): 843-853.

[13] 曹麗琴, 商永星, 劉婷婷, 等. 局部自適應(yīng)的灰度圖像彩色化[J]. 中國圖像圖形學(xué)報, 2019, 24(8): 1249-1257.

Cao Li-qin, Shang Yong-xing, Liu Ting-ting, et al. Novel Image Colorrization of Adaptive Weighted Average Filter[J]. Journal of Image and Graphics, 2019, 24(8): 1249-1257.

[14] 李曉冰. 一種基于HSI空間的紅外測量圖像偽彩色編碼方法[J]. 測試技術(shù)學(xué)報, 2012, 26(4): 343-347.

Li Xiao-bing. A Pseudo-Color Coding Method for HIS Space Based on Infrared Measurement Image[J]. Journal of Test and Measurement Technology, 2012, 26(4): 343-347.

[15] Sheng Z, Jiang X Y, Zhen W. Pseudo-Color Coding with Phase-Modulated Image Density[J]. Advanced Materials Research, 2012, 403-408: 1618-1621.

[16] 王靜嬌. 成像聲納數(shù)據(jù)實時傳輸與顯示控制技術(shù)研究[D]. 南京: 南京航空航天大學(xué), 2013.

Pseudo-color Enhancement Methods and Quality Evaluation of Sonar Image Based on the CIELab Color Space and HIS Color Space

LI Qiu-ju, XU Hai-ping, GOU Chun

(Kunming Branch of the 705 Research Institute, China State Shipbuilding Corporation Limited, Kunming 650106, China)

At present, pseudo-color enhancement methods for sonar images are based only on the RGB and HSV color spaces. To this end, two novel sonar image pseudo-color enhancement methods based on the CIELab color space and HIS color space are introduced in this study. The quality of the enhanced images obtained by the two methods was evaluated. First, a novel pseudo-color real-time enhancement method based on the CIELab color space is proposed. The enhanced image obtained using this method was clearer and had richer levels. Second, combined with the Otsu method and according to the grayscale distribution characteristics of sonar images, a novel adaptable pseudo-color enhancement method based on the HIS color space is introduced. This method has strong adaptability, and the enhanced image obtained using this method is information-rich. Finally, two objective evaluation methods were used to verify the effectiveness of the enhancement methods in conjunction with the subjective evaluation method.

sonar image; pseudo-color enhancement; CIELab color space; HIS color space; quality evaluation

李秋菊, 徐海平, 茍春. 基于CIELab和HIS空間的聲吶圖像偽彩色增強方法及質(zhì)量評價[J]. 水下無人系統(tǒng)學(xué)報, 2022, 30(2): 204-208.

TJ630.34; U675.81

A

2096-3920(2022)02-0204-05

10.11993/j.issn.2096-3920.2022.02.010

2021-04-25;

2021-06-29.

李秋菊(1988-), 女, 碩士, 工程師, 主要研究方向為圖像處理.

(責(zé)任編輯: 許 妍)