面向水下环境的图像对比度增强算法研究.pdf

《面向水下环境的图像对比度增强算法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、32化工自动化及仪表第40卷面向水下环境的图像对比度增强算法研究朱其新1’2’3唐宇峰2(1．北京大学工学院，北京100871；2．华东交通大学电气与电子工程学院，南昌330013；3．苏州科技学院机电系，江苏苏州215009)摘要在采集水下图像时，由于水面对光的反射和散射会导致水下图像对比度下降。针对这一情况，提出了一种基于离散平稳小波变换的算法，对图像进行去噪和对比度增强的处理。实验表明：新算法能够有效鹄增强水下图像的砖比度，同时还能够很好地抑制图像中的白噪声。关键词平稳小波变换对岿度图像增强中圈分类号TH85衷母标识码A文章鳙号1000-3932(2013)01

2、-0032-04由于水面和光之间的相互作用1，水下的目标平面会受到不同照度的光照，因此通过视频系统获得的水下图像就存在模糊1、亮度不均匀、颜色失真及对比度下降等问题。近些年来，为了解决上述问题，许多学者提出了不少方法。常用的图像增强方法，如自适应直方图均衡法、直方图均衡法及反锐化掩模法等，往往在增强细节信号的同时，也放大了噪声，对图像质量产生了影响¨，2J。在低对比度、多噪声图像中，尤其需要改进算法，以达到在增强微弱细节信号的同时抑制背景中的高频噪声的目的。由于在原始图像中，低暗区和高亮区的背景信息对比度差别较大，会对后续的图像处理产生影响。而提升爵像质量钓重要而有效

3、的方法之一就是增强水下图像韵对比度。针对这一问题，笔者提出了一种基于离散平稳小波变换的算法，对水下图像进行对比度增强的处理。小波的空频域分析、多尺度特性适合于增强处理。同时，还能够很好地抑制图像中的白噪声‘31。1离散平稳小波变换用于图像增强离散平稳小波变换与经典的离散正交小波交换相比，其主要特点是冗余性和平移不变性，作为时域和频域分析的一种新技术，能对连续小波变换给出一个更为近似的估计。在实际运用中，尤其是在计算机上实现时，将连续小波离散化是非常必要的。通常需要改变连续平移参数和连续尺度参数，即采用动态采样网格，使小波变换具有可变化的时间和频率分辨率。同时，为了增强

4、图像的全局特征，提出了基于小波变换的多尺度增强算法。小波分解的意义在于能够在不同尺度上对信号进行分析，同时，还可以根据不同的目的来确定不同的尺度H]。在连续小波中，考虑函数：“牡laI。露砂(譬)(1)其中口是连续盼尺度参数且口ER+；b是连续平移参数且bER；t是时间变量。为方便起见，在离散化中限制口只取正值，则相容性条件就变为：、c．=』：警品<∞‘(2)通常，在离散小波变换中．，尺度参数口和平移参数b的离散公式分别取为n=eo。，6一-琵以6。，其中．『EZ。假定满足口。>l，贝!l对应的离散小波函数砂m(t)可以写作：啪h彳胆砂半(3)=口彳⋯2妒(a07一k

5、bo)而离散化小波变换系数则可以表示为：r。q，t=J一。以t)CA(t)dt=<，，吼．I>(4)重构公式为：-，(I)=C∑∑q．I吼，I(t)(5)收稿日期：2012-09-27(修改稿)基金项目：国家自然科学基金资助项目(60964004)；江西省青年科学家培养计划项目(2010DQ01700)；江西省科技支撑计划项目(2010BGB00607)；华东交通大学研究生创新资金项目(YC2011．X011)第1期朱其新等．面向水下环境的图像对比度增强算法研究33C是一个与信号无关的常数。此外，在实际运用中，为了能够保证信号重构的精确度，‰和b。会尽可能取小些。信号

6、的主要特征由信号的近似分量表示，这一般为信号的低频分量，是大的缩放因子计算的系数；而信号的细节和差别，诸如轮廓及噪声等局部细节，由信号的细节分量表示，这一般为信号的高频分量，是小的缩放因子计算的系数。对于任意一个信号，离散平稳小波变换的第一步运算是充分利用小波分解，将原始图像中高频分量和低频分量进行不同程度的分解。由于分解过程是重复迭代的，从理论上讲，可以无限地连续分解下去。不过在实际运用中，通常会根据要分析的信号数据特征和用户的合适标准来选择适当的分解级数。第二步是采用不同的增强算法来处理不同频率范围内图像的细节分量，同时，采用多尺度方法来处理图像的尺度系数，突出不

7、同尺度的细节，从而达到改善图像的视觉效果。最后，利用得到的小波系数和尺度系数进行小波逆变换‘5

8、。本算法将处理整体对比度较低的水下图像。经过处理后，低频部分将被增强，以有效提升原图像的整体对比度；同时，高频部分也将加权进行适当减弱，以提升细节内容的对比度。图像增强的目的通过针对高频小波系数和低频小波系数的不同特性做不同处理来实现¨1。2小波变换用于图像降噪在视觉系统中，图像噪声的产生是由于存在电子器件干扰及传感器振荡等因素。噪声对于图像处理的采集、输入、处理的各个环节以及输出结果的全过程有着较大的影响。所以，去噪已经成为了图像处理中非常重要的一部分。