[发明专利]一种基于EME与Mask的水下图像匀光算法

说明书

本发明公开了一种基于EME与Mask的水下图像匀光算法，对原始图像F(x,y)进行图像块分割处理，将以不同步长分割后的图像的EME值进行加权平均，原始图像F(x,y)与背景图像G(x,y)进行相减运算，以得到亮度分布均匀的理想图像I(x,y)，将图像I(x,y)进行拉伸处理，进一步改善输出图像的效果。本发明的有益效果是可以用于光照不均匀的水下图像的匀光处理，具有自适应性和准确性的特点。

技术领域

本发明属于水下图像处理技术领域，涉及一种基于EME与Mask的水下图像匀光算法。

背景技术

随着社会经济的发展，人类对于海洋资源的探测与开发的需求在逐步上升。对于水下目标物的识别、分类、分割以及目标识别等任务也有了更高的需求。输入图像的质量严重影响水下任务的准确率，所以获取高质量的水下图像数据对于提升水下任务的准确率非常重要。由于水下图像成像条件复杂，水体中悬浮颗粒对光线的吸收及散射作用以及不同波长的光在水下的衰减程度不同，水下图像通常存在细节模糊、对比度低、颜色失真、光照不均匀等问题。为了改善水下图像质量、提升水下任务的准确率，我们需要对原始的水下图像进行相应的处理。匀光算法能够有效的改善水下光学图像光照不均匀的问题，有重要的实际应用价值。目前，现存的匀光算法有Mask匀光算法、Retinex匀光算法、Wallis匀光算法等。其中，Mask匀光算法由于模型简单，结果视觉效果好而受到广泛应用。但传统的Mask匀光算法存在着一些缺陷，即无法自适应的调整滤波器参数。通过高斯低通滤波器获取背景图像是Mask匀光算法中的重要一步，高斯低通滤波器参数的选择尤为重要。但传统的Mask匀光算法需要人工选择高斯低通滤波器的参数，这个过程有较强的主观性，会对图像的匀光结果造成一定的影响。

发明内容

本发明的目的在于提供一种基于EME与Mask的水下图像匀光算法，本发明的有益效果是可以用于光照不均匀的水下图像的匀光处理，提升水下图像的视觉效果。依据EME值与滤波系数的正比关系，将EME值作为Mask匀光算法中高斯低通滤波器的滤波系数，避免了人工选择参数的主观因素，又引入了图像分块的方法以及加权平均的思想，避免了计算EME过程的偶然性，具有自适应性和准确性的特点。

本发明所采用的技术方案是按照以下步骤进行：

(1)对原始图像F(x,y)进行分块处理：将水下原始RGB图像分别分割为x×x大小相等的图像块，其中x为分割步长，进行步长分别为L、M、N的三次图像块分割，将分割后的三类图像再分别进行后续计算；

(2)对不同步长分割后的图像分别计算其EME值：EME值全称为图像增强测度(Measure of Image Enhancement)，其描述了图像灰度的平均动态范围，其定义为：

其中，I_max为图像块最大灰度值，I_min为图像块的最小灰度值，k₁、k₂为指定步长将原图像分为块k₁×k₂，c为任意常数以防止分母为0。计算得出三种不同步长的分割方式的EME值，分别为EME₁、EME₂、EME₃；

(3)将不同步长分割后的图像的EME值进行加权平均：加权平均计算的引入能够减小EME值得误差。首先分别计算出以三种步长分割方式的EME值的权重：

再计算出以不同步长分割后的图像EME值的加权平均数：

EME＝EME₁×w₁+EME₂×w₂+EME₃×w₃

上式结果即为最终得到的EME值；