[发明专利]一种基于差分进化算法的自适应水下图像增强方法

说明书

本发明公开了一种基于差分进化算法的自适应水下图像增强方法，包括对水下原始图像进行直方图均值化操作得到颜色调整图像，对颜色调整图像进行细节锐化处理得到细节增强图像，基于暗通道先验法对细节增强图像进行亮度增强，通过对细节增强图像的反转图像进行去雾操作得到亮度增强后的水下图像；将水下图像评价指标作为优化算法的适应度函数，选取待调整参数，将原始水下图像的颜色调整、细节增强、亮度增强过程中的待调整参数通过优化算法的适应度函数进行反馈调节，循环执行图像处理过程直到达到优化算法的停止条件为止，从而根据最优的待调整参数得到水下增强图像。

技术领域

本发明涉及水下图像修复技术领域，尤其涉及一种基于差分进化算法的自适应水下图像增强方法。

背景技术

随着海洋研究的不断发展，水下图像处理已成为广泛领域中的相关研究，例如水下遥测，深海勘探等。但是，水下图像易受模糊影响由于在水中具有吸收和散射作用，因此效果对比度下降和颜色变灰。这可能会危害计算机视觉应用程序，尤其是对安全要求严格的应用程序。研究人员已经研究了将图像转换为更好的表示形式或改善其视觉外观的方法，以使后续的图像处理受益。一些现有技术利用多个图像或深度信息来改善图像质量。还有其他技术使用基于直方图均衡化的或基于色调映射的技术来修改图像以使其在视觉上可接受。这些技术已证明它们在改善医学图像、卫星图像、航拍图像乃至现实生活中的照片方面的有效性，这些照片的对比度和噪声都很差。至于水下图像的增强，基于传递函数、字典学习、深度估计和波长补偿等方法已经研究了几种基于模型的方法。由于水的浑浊性质多重散射是不可避免的。因此，已有的技术通常缺乏提供足够的鲁棒性和不可感知性的要求。尽管深度神经网络在图像增强问题上表现出色，但其对其超参数的设置非常敏感。最后，增强算法的性能通常会受到许多超参数的影响，这些超参数在实践中是未知且难以选择的。尽管有大量使用经验法则进行研究的先进增强方法，但很难在良好的增强性能和超参数设置之间找到极好的经验一致性。

发明内容

根据现有技术存在的问题，本发明公开了一种基于差分进化算法的自适应水下图像增强方法，包括如下步骤：

对水下原始图像进行直方图均值化操作得到颜色调整图像，对颜色调整图像进行细节锐化处理得到细节增强图像，基于暗通道先验法对细节增强图像进行亮度增强，通过对细节增强图像的反转图像进行去雾操作得到亮度增强后的水下图像；

将水下图像评价指标作为优化算法的适应度函数，选取待调整参数，将原始水下图像的颜色调整、细节增强、亮度增强过程中的待调整参数通过优化算法的适应度函数进行反馈调节，循环执行图像处理过程直到达到优化算法的停止条件为止，从而根据最优的待调整参数得到水下增强图像。

进一步的，对颜色调整图像进行细节锐化处理时将细节增强图像定义为：

D_max是增强的上限，U是J的大于阈值的高频，J_c代表颜色调整图像，J代表细节增强图像，细节增强矩阵为：Dis(p)和Vis(p)分别代表大气光约束和可见度约束，代表逐元素相乘。

其中S和分别代表韦伯发光对比度和其平均值，L是图像的亮度，LB是图像的背景亮度，是C的平均值，k₁和k₂代表权重因子。

进一步的，选取图像像素的最小阈值V_min、最大阈值V_max、权重因子k₁和k₂作为优化算法的待调整参数，所述优化算法的截止条件为最大迭代次数。