基于生物视觉机理的水下图像增强算法研究
摘 要
由于水体本身的一些特性及光照不均匀等摄影时存在的客观问题，使得水下图像产生了细节模糊、对比度下降等问题,从而影响水下图像的目标分割、特征提取及识别的应用效果。因此，水下图像的增强越来越受重视。在适应环境的过程中，生物视觉具有极强的自适应增强和调节能力，仿生物视觉特性的图像处理算法一直是智能信息处理领域的热点。
本文以实验为基础，结合理论分析人类视觉系统。通过了解视觉系统的全局和局部自适应调节原理及人眼视网膜神经节细胞感受野的传输特性 ,提出一种仿生图像增强算法。为适应人类视觉系统对光强的主观感觉特性 ,对图像作全局亮度对数变换;并利用人眼的主观亮度感觉与实际光强的对数呈局部线性关系的特性 ,采用视网膜神经元感受野三高斯模型来调整亮度图像的局部对比度;最后利用线性变换恢复图像的彩色信息。经实验结果表明：该算法对水下图像增强效果良好，所得图像的清晰程度、对比度、细节突出程度有较大得提高。
查看完整论文请+Q: 351916072
关键字:水下图像的增强；视觉特性；三高斯模型
目 录
摘 要 I
ABSTRACT II
目 录 III
第1章 绪论 1
1.1 问题的提出及研究意义 1
1.1.1 问题提出 1
1.1.2 研究意义 3
1.2 国内外研究现状 4
1.3 本论文的主要工作 5
第2章 水下成像技术 7
2.1 水下成像技术概述 7
2.1.1 水下声成像技术 7
2.1.2 水下光成像技术 8
2.2 水下光成像的规律和特点 9
2.2.1 水中光学特性 9
2.2.2 水对光的选择性吸收 9
2.2.3 水对光的散射特性 10
2.3 本章小结 11
第3章 Retinex理论的图像增强算法 12
3.1 Retinex理论基础 12
3.2 单尺度视网膜增强算法（SSR）和多尺度视网膜增强算法（MSR） 13
3.2.1单尺度视网膜增强算法（SSR） 13
3.2.2多尺度视网膜增强算法（MSR） 15
3.2.3 总结与概括 16
3.3 带色彩恢复的多尺度视网膜增强算法（MSRCR） 16
3.3.1 算法概述 16
3.3.2 图像增强演示 17
3.3.3 图像对比分析 18
3.4 本章小结 18
第4章 一种基于视觉特性的仿生图像增强算法 19
4.1 人类的视觉特性 20
4.1.1 人类视觉的全局和局部自适应调节特性 20
4.1.2 人眼视网膜神经节细胞感受野的传输特性 21
4.2 算法概述 22
4.2.1 图像的全局亮度对数变换 22
4.2.2 图像的局部对比度增强 23
4.2.3 图像对比分析 25
4.3 本章小结 27
第5章 总结与展望 28
5.1 总结 28
5.2 技术展望 28
参考文献 30
致 谢 32
附 录 33
一、 英文原文 33
二、 英文翻译 37
三、相关程序 41
(1)全局对数变换 41
(2)三高斯模型的位置滤波和单高斯的亮度滤波相结合的双边滤波 41
(3)颜色恢复 43
第1章 绪论
1.1 问题的提出及研究意义
二十一世纪是海洋开发时代，现在己成为全球共识。在人口急剧膨胀、陆地资源日益枯竭、环境不断恶化的情况下，开发海洋资源是一项影响深远的、面向21世纪的战略选择。
地球表面有71%的地方被水覆盖，其中最主要的便是广袤辽阔的海洋，海洋中蕴含着丰富的资源，包括矿产资源、食物资源和油气资源等，这些对世界未来的发展是必不可少的，因此对海洋的开发是世界各国现在乃至未来必须面对的一个问题。同时海洋的广袤不仅给我们带来了资源，其中蕴含的还有那些具有考古价值的文物和遗落的文明，这对我们了解和完善历史都具有巨大的价值；生物的多样性也能让我们了解和研究更多未知的生物，因此海洋也被我们称为“生物物种的宝库”。对海洋的研究以及对海底复杂环境的了解也能为我们对遇难人员和失事飞机和海船的搜寻提供帮助。
对于未来，我们展望海洋，它将是我们人类巨大的粮仓，药库和能源库，它蕴含着太多太多价值，值得我们去开发和研究，但就目前为止人类已探索的海底只有5%，还有95%大海的海底是未知的。面对这巨大的“聚宝盆”，仍有太多太多的未知，也正因为如此海洋才有它开发和研究的价值。所以，最大限度的了解海洋，获取海洋信息是世界各国未来深入进行海洋开发和研究的必然需要。
1.1.1 问题提出
水下成像技术是及时获取有效准确水下信息的重要手段，声成像技术和光成
像技术是目前水下成像的两大主要技术。作为能更直观的观测水下的情况，近距离的水下细致观测工作更适合用光成像技术来完成，虽然相比于声纳成像，在探测距离与范围上水下可见光成像完全不占优势，但是光图像在图像细节显现，成像速率的方面强于声纳图像。因此关于在水下研究这方面，水下摄影有着多种应用，但随之而来的也有许多问题：水下的成像环境较为复杂，水体自身的流动和对光的散射、水中存在各种浮游生物和悬浮颗粒带来的干扰都会使水下图像的噪声增强，从而使图像质量大幅下降，增加了人们获取准确水下信息的难度，也使得在对图像进行自动目标识别等后续处理时面临更大障碍。
由于上述的因素，一般典型的水下图像具有以下几个特点 ：
(1)图像一般拍摄于较深的水下，难以获得充足的自然光源，尽管有人工光源的照射，但光线也会受到水的吸收而衰减，所以在水下光照条件一般很差，导致感光成像设备接收到的有用信号较弱，这就容易引发水下图像出现失真现象。
(2)照明光往往由人工探照灯发出,由于为了汇聚光照明，导致以照射光束中心点为最强，向周围逐渐减弱,反映到图像上就是图像亮度分布不均匀。
(3) 水体和水中颗粒、浮游生物对光的散射效应使水下图像有较严重细节模糊,图像信噪比很低，对比度差。
水下图像的分析和识别是海洋研究和开发中的关键技术之一，而水下图像是重要依据。但是由于水下图像成像条件复杂、质量较差，难以直接用于海洋工程、海洋科学研究及军事等方面，给实际操作和科研带来了很大的难题。因此我们需要对水下图像作相应的增强处理，使之更加有利于图像的高级处理，更加符合人类的视觉特性和机器识别的要求。
图像增强的目的就是突出图像中的有用信息，扩大图像中不同物体特征之间的差别以及目标物体与背景色之间的对比度，从而改善图像的视觉效果、突出图像的特征。水下图像的这些缺点在研究和观测水下情况时都会带来不利的因素，阻碍研究的进展，因此研究水下图像增强算法以提高水下图像质量是获取水下信息的需要，对研究海洋、开发海洋都有重要意义。
考虑到生物视觉系统在自然界中经过了长期的进化，是目前已知的功能最完备、机制最优秀的信息处理系统之一。在这些功能和机制之中，生物视觉在适应环境的过程中具备了极强的自适应增强和调节能力。这对于处理水下图像出现失真现象、亮度分布不均匀以及模糊对比度差的缺点具有极大的帮助，因此仿生物视觉特性的研究在对于水下图像的增强算法方面具有很大的发展前景。
早前一些研究人员从人类视觉系统的生物特性出发，提出了一些能够高动态范围处理图像的新技术。 其中基于Retinex理论 的增强方法备受关注。大部分Retinex方法能够获得较好的图像增强效果，但一般都需要对图像的R、G、B 3个分量分别进行处理，这样既容易导致图像的颜色失真，又耗费时间；而且由于同时完成局部对比度增强和动态范围压缩，使得整个图像的增强过程难以控制。
进行了更深入的了解，生物学研究表明，人类视觉系统的主观亮度感觉与实际光强的对数成局部线性关系，可感知的光线强度范围很宽，具有全局和局部自适应调节特性 。另一方面，丘方土等 的研究发现在传统的感受野(中心区和外周区)外存在大范围去抑制区，其活动能够抵消外周区对中心区的拮抗作用，从而补偿传统感受野结构对图形低空间频率成分的衰减。基于人类视觉系统的上述感知特性，由此提出了一种新的仿生物视觉特性图像增强方法。
1.1.2 研究意义
作为获取水下信息的重要手段之一，水下光成像在多个领域都有具体的应用：
(1)海洋环境监测
通过对水下影像资料的采集分析可以探查重点海事区域的水下航道状况，调查重点海区的海洋生物种类及密度，观测海洋生物的生存习性、活动规律，记录海底表层概貌。
(2)搜索和救援
水下的复杂情况往往会给搜索救援工作带来较大难度，采用拖曳式水下成像系统配合声纳、电磁探测仪等使用可以大大提高搜索效率也可对水下沉船等目标进行更为细致的观察。
(3)水下工程监测
水下摄像常用于海底油气田井下视频测井，这种技术是利用光学成像,将井下情况以图像形式直接反映到地面显示终端,并在测井现场实时显示,具有直观性、及时性和准确性等优点。水下成像系统也可用于码头及码头桩基、桥梁、大坝水下部分检查。
(4)水下机器人技术
视频图像有包含丰富纹理信息的特点，易于人工识别和理解。所以水下机器人(ROVs/AUVs)常采用视频图像做为其观测方式。
(5)水下探雷
当前声纳探雷是水雷探测的主要手段，但以光学成像的方法进行水雷探测也得到了一定的应用，如美国 XP21 和法国 PAP104MK5 灭雷系统均以微光摄像机配合声纳工作。
通过利用仿生物视觉特性的图像增强算法，对水下图像进行处理，可以有效地解决因水下的不利因素而导致的图像上的缺陷，让图像扩大其中不同物体特征之间的差别以及目标物体与背景色之间的对比度，从而改善图像的视觉效果、突出图像的特征，使得在研究中能更直接有效地识别图像中的有用信息。经过处理的图像在上述领域中可以得到更好的利用，有利于各方面的研究，使用价值大大提升。
1.2 国内外研究现状
图像增强技术一直是图像处理领域非常重要的基本处理技术 ,近年来研究人员提出了很多方法,如空域的局部统计法、小波变换法和K-L变换法等 。这些方法是单纯从数学的角度来处理图像增强问题。
图像增强算法是通过对图像像素或频谱作调整以达到清晰化的目的，往往简单而有效。图像增强技术面向具体问题，依照不同的应用使用不同方法来加强图像的不同特征。通过增强处理可以强化图像的对比度，得到较为直观的图像，更适应于人眼的视觉特性。图像增强也可以用于突出图像中的某些有用的特征以利于机器和电脑的分析识别。目前国内外已有多种图像增强方法可处理一些图像的灰度对比度低、某些局部细节模糊和图像亮度分布不均匀等问题。
而在仿生物视觉特性方面，早在1963年，在俄亥俄州科学家就提出了一种颜色恒常知觉的计算理论——Retinex理论。 Retinex是一个合成词，它是有单词retina（视网膜）和cortex（皮层）所构成。50多年来，工作在IS&T、NASA的J. J. McCann和D. J. Jobson、Zia-Ur Rahman、G. A. Woodell等人模仿人类视觉系统发展了Retinex算法，从单尺度Retinex算法（single scale retinex, SSR）改进成多尺度加权平均的Retinex算法（multi-scale retinex, MSR），再发展成带彩色恢复的多尺度Retinex算法（multi-scale retinex with color restoration, MSRCR）。
Retinex 理论主要包含了两个方面的内容:物体的颜色是由物体对长波、中波和短波光线的反射能力决定的,而不是由反射光强度的绝对值决定的;物体的色彩不受光照非均性的影响,具有一致性。
依据Retinex 的色彩理论,我们提出了一种实现图像增强的方法,这种方法主要包括以下几个步骤:
(1)数据准备。如果输入图像为彩色图像,则将其划分为R ,G,B 三个波段;将每个像素的值由整数转换为浮点数。
(2)计算每个波段内相对明暗感觉。
(3)数据显示。将每个波段内像素间的相对明暗关系确定的色彩值转换为RGB 值以便能在现有的设备中显示和使用。
但由于该方法要对图像的3个分量分别进行处理,这样做不但容易导致图像的颜色失真，耗费时间，而且同时完成局部对比度增强和动态范围压缩，会使得整个图像的增强过程难以控制。近年来，王守觉等将高维仿生信息学应用于图像领域，提出了一种仿生彩色图像增强方法，取得了较好的效果，但由于其在图像中对一些边界处理效果不佳，使得整体对比度不高。
原文链接：http://www.jxszl.com/dzxx/dzkxyjs/1716.html
