[发明专利]一种基于多特征融合的水下图像复原方法

说明书

本发明提供一种基于多特征融合的水下图像复原方法。本发明方法内容包括：首先通过四叉树分解法求取特征显著的背景光候选区域，根据图像的特征对背景光值进行自适应的融合，确定最终背景光值。其次，对原始图像的波长进行补偿，求取其红色暗通道图作为红色暗通道深度图，求取亮度特征深度图和饱和度特征深度图，对上述三个特征深度图进行融合，获得最终深度图，进而获得透射率；最后根据背景光和透射率求解水下光学成像模型，获得最终的复原图像。本发明利用图像的多个特征，针对退化图像的特性进行自适应的融合，准确的背景光和透射率大幅提升水下图像的复原质量，解决了颜色失真问题，提升了清晰度。

技术领域

本发明涉及图像处理技术领域，具体而言，尤其涉及一种基于多特征融合的水下图像复原方法。

背景技术

海洋世界蕴含着大量的资源，基于对高质量水下图像的需求，它们的恢复和增强将有助于改进先进的海洋应用和服务。水下考古、海洋生物收集和水下监测等应用和服务在很大程度上依赖于高质量的水下图像。由于水下环境相对复杂，获取的图像通常表现为光线暗淡、噪声、颜色退化和细节丢失。目前水下图像清晰化技术大致分为3类：水下图像增强方法、水下图像复原方法和基于深度学习的方法。

水下图像增强方法通过直接调整像素值来改善视觉质量，虽然在一定程度上提升了图像质量，但是由于没有考虑图像退化的物理原因，不能彻底的消除散射的影响。复原方法考虑到水下图像的成像机制，建立了物理模型。深度学习的方法是通过训练大量数据学习其特征来实现复原。

目前，水下图像增强方法的恢复效果不显著，现有的复原方法的透射率和背景光估计的不准确，深度学习的方法需要大量的训练时间，且对数据的要求过高。

发明内容

根据上述提出的技术问题，提供一种基于多特征融合的水下图像复原方法。本发明主要根据图像的亮度、饱和度和色偏的统计特性，对背景光值进行自适应的融合，基于统计特性，获取退化图像的景深图，求出复原图像。

本发明采用的技术手段如下：

一种基于多特征融合的水下图像复原方法，包括以下步骤：

步骤S01：获取原始图像，对所述原始图像创建水下图像复原模型；

步骤S02：利用所述原始图像求取特征最显著的背景光候选区域：色偏特征最显著区域、饱和度特征最显著区域和亮度特征最显著区域，并获得候选区域对应的背景光值；

步骤S03：将步骤S02中的背景光候选区域通过所设计的背景光估计模型进行估计，确定水下图像的背景光值；

步骤S04：对所述原始图像的红通道进行补偿，获得其红色暗通道图；

步骤S05：获得所述原始图像的亮度特征图和饱和度特征图；

步骤S06：将步骤S04中的红色暗通道图和步骤S05中的亮度特征图和饱和度特征图进行融合，获得多特征的深度图；

步骤S07：根据步骤S03中的背景光值和步骤S06中的深度图，求解复原图像。

进一步地，步骤S01中的水下图像复原模型为：

I^c(x)＝J^c(x)·e^-β(c)d(x)+(1-e^-β(c)d(x))·B^c

其中，I^c表示原始图像，J^c表示复原后的水下图像，c表示R，G，B三个颜色通道；x表示像素位置；β表示衰减系数；d(x)表示在x位置的距离，此处的距离表示由相机到场景的距离；B^c表示水下图像的背景光值。

进一步地，步骤S02中求取特征最显著的背景光候选区域包括以下步骤：