【技术实现步骤摘要】
本专利技术涉及图像增强，具体来说是一种基于自适应滤波的图像增强算法。
技术介绍
1、图像增强在视觉增强领域也占据着至关重要的地位，尤其是水下低质量图像的增强。水下环境的光照条件复杂，水体中的悬浮物和色素会导致图像颜色失真和对比度降低，从而影响对象的可识别性，低质量水下图像会显著影响多个领域，包括海洋科学研究、环境监测、水下考古、潜水活动、渔业管理以及水下机器人运作等，导致信息识别不准确、生态评估失真和任务效率降低，从而妨碍对海洋生态的理解和保护。
2、为此，科研人员对低质量图像增强方法进行了研究，图像增强技术也在计算机视觉领域中变得愈发重要。
3、总体而言，增强水下低质量图像的方法可以分为三种类型：基于模型的方法，无模型方法和基于深度学习的方法。
4、基于模型的方法通常通过考虑退化图像的退化过程来建立成像的物理模型，并使用手工先验或假设来反演物理模型以生成清晰的图像，这些常用的先验或假设包括暗通道先验、超拉普拉斯反射先验、自适应暗像素先验、照明通道稀疏先验等。然而，复杂场景具有不同的光照条件和衰减特性，这使得这些基于模型的方法用于图像恢复时往往不稳定。
5、而无模型方法通过修正像素分布来增强退化图像的细节、颜色和对比度，包括直方图修正方法和基于图像融合的方法。例如，使用最小颜色损失原则使每个通道的像素分布相似，然后提出了一种融合框架，以提高对比度和基于最大衰减图的细节；从输入图像中获得对比度校正图像和细节锐化图像，然后依靠多尺度融合策略将它们融合，以产生具有高对比度和自然色彩的良好
6、以上水下图像增强方法在低质量水下图像增强过程中存在局限性，比如细节不足、颜色失真、亮度不均匀等等。
7、因此，如何提供一种有效解决细节不足、颜色失真、亮度不均匀的图像增强算法成为本领域技术人员急需解决的技术问题。
技术实现思路
1、有鉴于此，针对已有的图像增强方法在低质量图像上处理存在的细节突出不明显、对比度较低、亮度不均衡、颜色失真等问题，本专利技术提供了一种基于自适应滤波的图像增强算法。为了实现上述目的，本专利技术提供如下技术方案：
2、一种基于自适应滤波的图像增强算法，包括以下步骤：
3、11）评估低质量图像各通道的衰减程度；
4、12）利用低质量图像各通道的衰减程度，计算用于调整低质量图像像素分布的通道调整系数；
5、13）通过通道调整系数调整低质量图像的像素分布，获得颜色矫正的图像；
6、14）估计颜色矫正图像的后向散射光；
7、15）利用颜色矫正图像的后向散射光和基于暗通道先验理论推导的颜色矫正图像的透射率，结合大气散射模型提升颜色矫正图像的对比度和细节。
8、进一步地，评估低质量图像各通道的衰减程度的具体步骤为：
9、21）计算低质量图像、和通道的像素值总和，具体公式为：
10、，
11、其中，表示图像的像素通道，和分别表示图像的长度和宽度，表示低质量图像在坐标处的像素值，为像素点的坐标，表示低质量图像对应通道的像素值总和；
12、22）评估低质量图像各通道的衰减程度，具体公式为：
13、，
14、其中，用于评估低质量图像各通道的衰减程度，，和分别表示低质量图像，和通道的像素值总和。
15、进一步地，利用低质量图像各通道的衰减程度，计算用于调整低质量图像像素分布的通道调整系数的具体步骤为：
16、31）计算低质量图像各通道的衰减程度的最大值；
17、32）计算用于调整图像像素分布的通道调整系数，具体公式为：
18、，
19、其中，表示对应通道的通道调整系数。
20、进一步地，通过通道调整系数调整低质量图像的像素分布，获得颜色矫正的图像，具体步骤为：
21、41）选择低质量图像各通道的衰减程度的最大值对应的通道作为参考通道；
22、42）调整低质量图像的像素分布，获得颜色矫正图像，具体公式为：
23、，
24、其中表示颜色矫正图像在坐标处的像素值,表示参考通道在坐标处的像素值。
25、进一步地，估计颜色矫正图像的后向散射光的具体步骤为：
26、51）将颜色矫正图像的四等分区域编号，表示为，的取值为1、2、3和4，分别表示颜色矫正图像的左上区域、左下区域、右上区域和右下区域；
27、52）分别计算颜色矫正图像的四等分区域的亮度标准、对比度标准和衰减差标准，具体计算公式如下：
28、，
29、，
30、，
31、其中，表示颜色矫正图像在通道的第个子区域中坐标处的像素值，为亮度标准，为对比度标准，为衰减差标准，表示求平均值函数，和分别表示求最大值函数和求最小值函数；
32、53）利用颜色矫正图像亮度标准、对比度标准和衰减差标准构造后向散射光的评分公式，评分公式具体为：
33、，
34、其中表示颜色矫正图像的后向散射光评分；
35、54）选取后向散射光评分对应的四等分区域为有效后向散射区域，选取有效后向散射区域内的最大像素值作为颜色矫正图像的后向散射光的估计值。
36、进一步地，利用颜色矫正图像的后向散射光和基于暗通道先验理论推导的颜色矫正图像的透射率，结合大气散射模型提升颜色矫正图像的对比度和细节，具体步骤为：
37、61）利用暗通道先验理论推算透射率，具体公式为：
38、，
39、其中表示大小的像素块，表示颜色矫正图像在坐标处的像素值，表示透射率，表示颜色矫正图像的后向散射光的估计值；
40、62）计算大气散射模型，具体公式为：
41、，
42、其中，表示对比度和细节丰富的颜色矫正图像，表示图像透射率，表示颜色矫正图像的后向散射光的估计值；
43、63）结合颜色矫正图像的后向散射光的估计值和透射率计算对比度和细节丰富的颜色矫正图像，具体公式为：
44、。
45、有益效果：本专利技术提出了一种基于自适应滤波的图像增强算法，旨在解决水下低质量图像存在的颜色偏差和对比度损失的问题。
46、自适应颜色校正利用各通道的总衰减值来决定、和通道的衰减程度，并利用低质本文档来自技高网...
【技术保护点】
1.一种基于自适应滤波的图像增强算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于自适应滤波的图像增强算法，其特征在于，评估低质量图像各通道的衰减程度，具体步骤为：
3.根据权利要求1所述的一种基于自适应滤波的图像增强算法，其特征在于，利用低质量图像各通道的衰减程度，计算用于调整低质量图像像素分布的通道调整系数，具体步骤为：
4.根据权利要求1所述的一种基于自适应滤波的图像增强算法，其特征在于，通过通道调整系数调整低质量图像的像素分布，获得颜色矫正的图像，具体步骤为：
5.根据权利要求1所述的一种基于自适应滤波的图像增强算法，其特征在于，估计颜色矫正图像的后向散射光，具体步骤为：
6.根据权利要求1所述的一种基于自适应滤波的图像增强算法，其特征在于，利用颜色矫正图像的后向散射光和基于暗通道先验理论推导的颜色矫正图像的透射率，结合大气散射模型提升颜色矫正图像的对比度和细节，具体步骤为：
【技术特征摘要】
1.一种基于自适应滤波的图像增强算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于自适应滤波的图像增强算法，其特征在于，评估低质量图像各通道的衰减程度，具体步骤为：
3.根据权利要求1所述的一种基于自适应滤波的图像增强算法，其特征在于，利用低质量图像各通道的衰减程度，计算用于调整低质量图像像素分布的通道调整系数，具体步骤为：
4.根据权利要求1所述的一种基于自适应滤波的图像增强算法...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。