[发明专利]一种基于量化参数的水下图像自适应分类方法

说明书

本发明提供了一种基于量化参数的水下图像自适应分类方法，属于数字图像处理领域，适用于水下图像增强前预分类。本发明主要包括以下步骤，首先构造自适应参数，设定自适应参数阈值；然后读取水下图像并转换为灰度图像；对灰度图像进行处理获得输入水下图像的亮度特征图像；求得水下图像的自适应参数，并与自适应参数阈值进行比较；当自适应参数大于设定阈值时，表明输入图像属于具有雾状模糊的水下图像；小于设定阈值时，表明输入图像属于亮度分布不均的水下图像。本发明提供的方法从人眼对水下图像的直观感受出发，通过卷积与最大值池化，忽略图像细节信息，保留对图像的总体认知，并且提供了实际应用的可能性。

技术领域

本发明属于数字图像处理领域，涉及一种基于水下图像特征的自适应分类方法。

背景技术

海洋资源探索与开发的需求与日俱增，但采集的水下图像多数具有低对比度、模糊、可视距离有限等特征，难以满足实际应用。图像增强技术可以有效的增强图像中有用信息，降低噪声干扰，实现图像质量的提高。通过图像增强技术改善水下图像的视觉效果对海洋探索具有重大意义。

水下图像增强算法可分为空间域增强、频率域增强、基于颜色恒常理论等，目前主流算法对不同水下图像的增强效果不够理想。水下图像成像过程相比于大气成像更为复杂，增加了图像增强的难度。此外，水下环境多变，图像成像过程的干扰因素众多，不同场景下干扰因素的比重各不相同，难以建立统一数学模型。单一的图像增强算法适用范围有限，无法对所有水下图像均取得较好的增强效果。

发明内容

本发明提供了一种基于量化参数的水下图像自适应分类方法，其目的在于根据水下图像特征，构造一种自适应参数并设定其阈值。通过卷积和最大值池化提取特征图像，计算特征图像的平均灰度和标准差，求得输入水下图像的自适应参数。根据设定阈值，实现水下图像自适应分类。

本发明的目的是通过以下技术方案实现的：

包括以下几个步骤：

步骤一：构造自适应参数η，该参数是平均灰度μ和标准差σ的函数。其中，k为比例系数，用以调节自适应参数数量级。

η＝μe^-kσ,k＞0

步骤二：设定自适应参数阈值。自适应参数阈值属于经验参数，经统计分析可得，当比例系数k取0.01时，阈值设定在[70,80]区间之间，对水下图像分类较为准确。

步骤三：获取输入水下图像，并转换为灰度图像。对灰度图像进行卷积和最大值池化，获得输入图像的亮度特征图像。

步骤四：计算亮度特征图像的平均灰度和标准差。通过特征图像的平均灰度表征输入水下图像的平均亮度，通过标准差表征输入水下图像亮度分布的离散程度。

步骤五：根据特征图像的平均灰度和标准差，计算输入图像的自适应参数。

步骤六：比较输入图像的自适应参数与自适应参数阈值。当自适应参数大于设定阈值时，将输入图像归为具有雾状模糊的水下图像；当自适应参数小于设定阈值时，将输入图像归为亮度分布不均的水下图像。

步骤七：对其他水下图像进行自适应分类，重复步骤三至步骤六，输出水下图像所属类别。

与现有技术相比，本发明的优势在于：

现有方法大部分停留在对水下图像降质原理的理论分类上，无法对分类过程量化，难以证明分类的完备性，缺乏实际应用的可能性。本发明提供的方法从人眼对水下图像的直观感受出发，通过卷积与最大值池化，忽略图像细节信息，保留对图像的总体认知，通过平均灰度和标准差表征图像的平均亮度与亮度分布的离散程度，构造自适应参数反映水下图像综合信息。本发明通过自适应参数及其阈值实现对分类过程量化，自适应分类方法为复数图像增强算法分时复用提供可能性。

附图说明

图1是本发明方法流程图。