高 雁 李晓明
（太原科技大学计算机科学与技术学院 太原 030024）
长期以来，海洋开发是国家重要战略部署之一，深入了解海洋资源需要借助其他工具进行探测，其中海底成像是进行海底探索的重要载体之一。摄像机拍摄时，单幅图像拍摄范围覆盖较小，仅靠单幅图像认识海底世界是片面的，因此进行大范围海底图像拼接具有重要意义。由于海底环境的复杂性，在水中传播的过程中，衰减越来越严重。当水的深度达到30m以上时，自然光线几乎被完全吸收，导致拍摄到的图像整体偏暗。深海成像必须引入人造光源进行照明，而人造光源的引入造成图像亮度不均匀［1］。人造光源固定在水下机器人上，通常将光线聚集在一定区域中，会导致产生的图像出现亮度不一致问题，所获取的图像边界由于光的衰减而变暗。这种现象与渐晕相似，尽管这种现象不是由相机镜头产生，而是由介质本身产生，但是给定序列中的所有海底图像都会在一定程度上受到上述问题的影响［2］。同时海底环境同陆地地面类似，也存在地势起伏现象。当摄像机距离海底地面不同时，会出现由于深度不同而造成图像亮度不一致。这些问题会产生光照不均匀的模糊图像，直接对图像进行拼接会存在接缝等问题，这就需要在图像大范围拼接前进行光照补偿处理。
为了解决海底图像存在的各种问题，前人对海底图像进行了大量的预处理。解决海底图像亮度不均匀问题主要分为非线性变换、同态滤波处理以及Retinex 的相关理论算法。其中，非线性变换理论是海底图像亮度调节的一种较为简单的方法，它利用特定的变换函数对原海底图像进行逐点计算［3］，通过合理的降低高灰度值，提高低灰度值使图像亮度达到均衡。这种方法在一定程度上解决了海底图像亮度不均匀问题，但是此类方法对原图像的清晰度有一定的影响［4~6］。此类方法一般会引起海底图像对比度降低和纹理模糊，下一步需要利用对比度增强方法提高清晰度和对比度；
而同态滤波基本算法原理是将照明反射模型转换到频域的海底图像增强方法，它主要针对海底图像自然光照不均引起的降质问题对图像进行亮度均匀并增强，但后续拼接操作仍存在大量接缝。文献［7］提出将照明-反射模型转换到频域上利用同态滤波器抑制低频成分，提高高频成分，从而对图像进行均匀化并增强。此类方法是针对单幅图像调节亮度均匀，对处理深度不一致的图像效果不明显。文献［8］则是提出一种运动补偿滤波方法，来去除浅水图像中的光线问题，这种方法对于浅水图像效果明显，而对于海底图像获得的偏暗图像效果并不友好；
关于Retinex理论，即颜色恒常性理论［9］提出的图像处理算法也是通过建立光照反射模型将图像分解成入射分量和反射分量。它通过将照明反射模型转换到对数域，通过减法计算出水中物体的反射分量。该类算法［11~15］对局部光照变换剧烈的图像，达不到理想的增强效果，并且此类算法与其它算法相比耗时较长。
现有方法大多对单幅水下图像进行均匀化过程中出现纹理模糊等后续问题。基于此，本文首先建立水下图像成像模型［16］，并提出有效的基于深度信息的海底图像均匀性补偿算法。首先选取水下序列图像中比较平坦、低纹理的若干图像进行处理，对其RGB 通道分别进行高斯平滑处理，然后利用深度信息对海底不同深度的图像进行光照均匀性补偿。
2.1 滤波核的确定
根据水下图像成像模型：
式（1）中的c(x,y)是照相机敏感度和照明因子的乘积，可以将其看作一个平滑函数，本文通过高斯滤波器对其进行平滑处理。
利用高斯滤波器对图像进行滤波处理时，滤波核的确定尤为重要。由于低纹理图像中相邻像素之间差别较小，进行高斯平滑时会产生比重复纹理图像更为平滑的结果，而且低纹理图像的结果更符合于光线的照射。经过多次实验验证，本算法使用低纹理图像作为基底进行光照一致性补偿。图1分别是对重复纹理、低纹理图像进行多次滤波的结果示意图（图（a）为重复纹理平滑图，图（b）为低纹理平滑图）。
图1 滤波核的确定
经过多次实验验证，本实验采用80*80 的高斯滤波核更符合于水下光线，由于其数据特点，图像边缘区域普遍偏暗，像素值相差较小，因此采用复制边界值方式［17］对海底图像进行边缘填充。
利用上述滤波核对M幅低纹理图像进行多次分通道高斯平滑，然后进行归一化处理得到同一深度的补偿因子，不同深度的补偿因子通过比例因子确定。最终的补偿因子对数据集中不同深度的图像进行光照均匀性和一致性补偿。
由于海底图像数据集的特点，当机器人航行拍摄深度位置固定时，图像光斑中心位置会随着深度的变化而发生改变，而具体深度信息并不能准确衡量。因此，本文通过相邻两幅图像之间的重叠面积大小进行定性地确定其相对深度信息。摄像机距离海底较远，即海底深度较大时，图像拍摄到的范围较大。相邻两幅图像重叠面积越大，其对应的图像所拍摄的位置深度越深。因此，本文提出通过线性插值方式［18］添加不同的比例因子对不同深度的海底图像进行光照一致性补偿。
通过高斯滤波核实验，本文选择若干低纹理图像进行平滑处理获得光照补偿因子。首先，通过对若干底纹理图像分别在RGB 通道进行高斯平滑处理，然后输入图像与滤波后的图像比值作为最后均匀光照后的图像。
其中：
上述公式是对M幅低纹理图像进行处理。其中，lk(x,y)指第k幅图像中某点的像素值，l(x,y)是指对M幅图像各点进行像素平均后的图像。通过式（2）将M幅底纹理图像每个像素位置取平均值，之后通过式（3）对进行高斯平滑处理：
本文通过对M幅图像平均处理后的图像lC进行多次高斯平滑处理，得到平滑后的图像lD(x,y)。其中，是对图像进行n次高斯滤波平滑处理。再对式（3）获得的结果进行归一化处理，等式如下：
其结果即可以视为在相同深度情况下的水下图像光照补偿因子。由于深海区域某些区域存在深海资源，即海底环境同陆地地面类似，也存在地势起伏现象。这导致拍摄到的图像存在深度不一致问题，而且其亮斑中心位置也会随之发生变化。根据上述数据特点，对于式（4）需加入一个比例因子δ对不同深度的海底图像进行光照一致性补偿，来弥补因拍摄位置与海底不同的深度而造成的图像亮斑中心位置的不同。比例因子δ采用线性插值方式进行插值：
其中(lD(x,y))″即为最终不同深度的光照因子，对于不同深度的图像，在处理不同通道时，采用不同的δ值，利用其结果对数据集中图像进行光照调整，使其序列图像达到一致性。由成像模型得：
其中，l(x,y)是通过机器人相机获得的原始图像，lH(x,y)是经过一系列操作得到的最终光照一致性图像，通过最终的补偿因子对数据集中图像进行光照补偿处理。
2.2 算法流程
本文总算法流程图如图2所示。
图2 算法总流程图
为了验证本算法的有效性，分别选取海底图像数据集中一定数量图像进行单幅图像光照均匀性测试，分别将原图、未经过深度处理的结果图和本文提出的算法结果图进行对比，并通过UIQM 和UCIQE 两种水下图像质量评测方法进行海底图像光照一致性的评价。
利用本文算法对数据集中单幅图像实现亮度均匀化。图3 为原图与经过光照补偿后的图像对比结果。图3（a）是没有经过任何处理的原图，图3（b）是没有加入深度信息处理后的结果图，图3（c）经过本文算法补偿后的结果图。
图3 实验结果图
图3中可以看出，原图特点是单幅图像整体中间区域存在亮斑，周围偏暗。图像经过没有加入深度信息的补偿因子处理后，一定程度上可以改善单幅图像均匀化，而从图3（c）可以看出图像经过加入深度信息的光照补偿后，原图像中的亮斑与暗区消失，单幅图像亮度达到均匀化，展现了整体性。
表2是本文算法与上述典型算法对序列图像光照补偿后的评价指标计算结果，从UIQM 评价指标结果看，在对图像进行光照补偿后，其图像清晰度、色彩分量有所提高，说明经本文算法处理的海底图像效果明显；
同时，UCIQE 指标在几种算法中也基本保持优势。
表2 各方法相关指标对比
本研究针对海底环境对自然光和人造光的吸收作用造成获得的图像亮度不均匀问题，在光照反射成像模型的理论基础上，提出基于深度信息的海底图像光照均匀性补偿方案。在水下图像成像模型中利用低纹理图像作为基底进行平滑处理，并通过加入深度信息，设置不同的比例因子对不同深度的海底图像进行光照补偿，进而对海底图像进行光照均匀性补偿。实验结果表明，本文所提算法在不破坏原有图像的对比度与清晰度的前提下，可以有效改善海底单幅图像光照不均匀问题。
猜你喜欢单幅亮度纹理基于改进大气散射模型的单幅图像去雾方法北京航空航天大学学报(2022年8期)2022-08-31基于CNN的轻量级神经网络单幅图像超分辨率研究计算技术与自动化(2022年1期)2022-04-15基于BM3D的复杂纹理区域图像去噪软件(2020年3期)2020-04-20亮度调色多面手摄影之友(影像视觉)(2019年3期)2019-03-30使用纹理叠加添加艺术画特效摄影之友(影像视觉)(2018年12期)2019-01-28TEXTURE ON TEXTURE质地上的纹理Coco薇(2017年8期)2017-08-03亮度一样吗？小天使·六年级语数英综合(2017年5期)2017-05-27基于稀疏表示和结构自相似性的单幅图像盲解卷积算法自动化学报(2017年11期)2017-04-04基于改进暗通道和导向滤波的单幅图像去雾算法自动化学报(2016年3期)2016-08-23基于斩波调制的LED亮度控制现代工业经济和信息化(2016年19期)2016-05-17