OPT OpenIR  > 其它单位  > 其它部门
基于多尺度融合的水下图像质量改善方法
其他题名基于多尺度融合的水下图像质量改善方法
李学龙; 卢孝强; 陈文静
2018-12-21
专利权人中国科学院西安光学精密机械研究所
公开日期2018-08-24
授权国家中国
专利类型发明专利
产权排序1
摘要为了解决现有水下图像质量改善方法过程复杂或者过于依赖退化型模型的技术问题,本发明提出了一种基于多尺度融合的水下图像质量改善方法,主要用于改善水下图像噪声大、色差大、对比度低的问题,以提高图像质量。本发明先对原始图像进行颜色修正,消除各种光源给图像造成的色偏,再对图像进行对比度增强,降低由体积散射引起的质量退化,最后对它们进行多尺度融合,可以得到细节和边缘显著增强、噪声减少、黑暗区域更清楚以及全局对比度更高的水下图像,计算成本低廉,能够在通用硬件上执行相对较快的速度。
主权项基于多尺度融合的水下图像质量改善方法,其特征在于,包括以下步骤: 步骤1、对原始水下图像进行颜色修正,消除图像色偏,恢复图像的白色和灰色阴影,将所得图像记作图像I1; 步骤2、对所述图像I1进行对比度增强,将所得图像记作图像I2; 步骤3、多尺度融合: 步骤3.1分别计算图像I1和图像I2的拉普拉斯对比权重WL、局部对比权重WLC、显著性权重WS和暴露性权重WE: 步骤3.1.1利用下述式1)-4)计算图像I1和图像I2所有像素点的拉普拉斯对比权重WL(x,y)、局部对比权重WLC(x,y)、显著性权重WS(x,y)和暴露性权重WE(x,y): WL(x,y)=|F(Ik)|, 式1) WS(x,y)=||Iμ-Ig(x,y)||, 式3) 式1)-4)中,(x,y)表示像素的位置; Ik表示输入的亮度通道; F表示拉普拉斯滤波; F(Ik)表示对输入的亮度通道进行拉普拉斯滤波后的结果; 表示Ik的低通形式; Iμ表示输入的图像的特征平均值; Ig(x,y)表示(x,y)位置的像素值经过高斯模糊后的像素值; 表示输入的图像; 表示(x,y)位置的像素值; σ表示标准差,σ=0.25; 步骤3.1.2根据图像I1和I2中所有像素点的上述四种权重,分别换算得到图像I1和I2的四种权重:WL1、WLC1、WS1、WE1和WL2、WLC2、WS2、WE2; 步骤3.2分别计算图像I1和图像I2的归一化权重W1和W2: 步骤3.3用拉普拉斯金字塔分解法,将图像I1和I2分别分解,得到Ll{I1(x,y)}和Ll{I2(x,y)};用高斯金字塔分解法,将归一化权重W1和W2分解,得到Gl{W1(x,y)}和Gl{W2(x,y)}; 其中,l表示尺度的大小,取≥4的正整数; Ll{I1(x,y)}表示将图像I1分解成l张不同尺度大小的图像的集合; Ll{I2(x,y)}表示将图像I2分解成l张不同尺度大小的图像的集合; Gl{W1(x,y)}表示将权重W1分解成l个不同尺度大小的权重的集合; Gl{W2(x,y)}表示将权重W2分解成l个不同尺度大小的权重的集合; 步骤3.4按照式7)对图像I1和图像I2进行融合,得到l张尺度大小不同的图像Rl(x,y),按照尺度从大到小依次记为R1、R2……Rl; Rl(x,y)=Gl{W1(x,y)}Ll{I1(x,y)}+Gl{W2(x,y)}Ll{I2(x,y)}, 式7) 步骤3.5根据步骤3.4的结果,按照下述式8)-11),得到最终改善后的图像R; Rl-1′=Rl-1+resize(Rl), 式8) Rl-2′=Rl-2+resize(Rl-1′), 式9) 依次类推, R1′=R1+resize(R2′), 式10) R=R1′, 式11) 其中,resize(Rl)表示把Rl上采样成和Rl-1相同尺度大小的图像; resize(Rl-1′)表示把Rl-1′上采样成和Rl-2相同尺度大小的图像; resize(R2′)表示把R2′上采样成和R1相同尺度大小的图像。
学科领域G06t5/00
学科门类G06
授权日期2018-12-21
DOIG06T5
申请日期2018-02-12
专利号CN201810146485.3
语种中文
专利状态申请中
申请号CN201810146485.3
PCT属性
公开(公告)号CN108447028A
IPC 分类号G06T5/00 ; G06T5/50 ; G06T5/40
专利代理人杨引雪
代理机构西安智邦专利商标代理有限公司
引用统计
文献类型专利
条目标识符http://ir.opt.ac.cn/handle/181661/31029
专题其它单位_其它部门
作者单位中国科学院西安光学精密机械研究所
第一作者单位中国科学院西安光学精密机械研究所
推荐引用方式
GB/T 7714
李学龙,卢孝强,陈文静. 基于多尺度融合的水下图像质量改善方法. CN201810146485.3[P]. 2018-12-21.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
2018101464853.pdf(1668KB)专利 开放获取CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[李学龙]的文章
[卢孝强]的文章
[陈文静]的文章
百度学术
百度学术中相似的文章
[李学龙]的文章
[卢孝强]的文章
[陈文静]的文章
必应学术
必应学术中相似的文章
[李学龙]的文章
[卢孝强]的文章
[陈文静]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。