基于景深模型的水下图像纹理特征增强研究.pdfVIP

基于景深模型的水下图像纹理特征增强研究

摘要

由于光在水介质中的吸收和散射效应，水下光学图像往往会出现严重的退化、复

杂的噪声、低对比度、纹理特征丢失等问题。低质量的水下光学图像会极大地限制场

景理解、计算机视觉、水下目标跟踪等高层应用。因此，如何有效地提升水下光学图

像质量成为当前研究热点，本文基于场景深度估计模型与噪声估计分解方法来增强水

下光学图像纹理特征信息。主要工作如下：

首先，针对传统水下成像模型局限性问题，本文分析水下光学图像在不同光照条

件下的多个路径光衰减过程，对传统水下成像物理模型进行改进。本文成像模型考虑

在不同光源、不同水质条件下的光吸收和散射效应对水下成像过程的影响，与传统水

下成像模型相比，本文模型包含多个路径光衰减阶段，更系统地描述不同光源、不同

水质中的水下成像过程。

其次，针对传统场景深度估计模型缺陷导致的图像色彩恢复不完全问题，利用局

部白平衡方法改善非均匀光照情况下图像颜色偏差过重的问题。基于水下光学图像先

验信息，建立水下光学图像场景深度估计模型，将该模型与水下光学图像传输图建立

指数关系，得到水下光学图像传输图。利用最大强度差值先验、图像饱和度先验和四

叉树划块方法求解得到的背景光，按照线性加权融合得到最终的图像背景光信息。根

据图像传输图和背景光信息，初步增强水下光学图像。对比实验表明，本文方法能够

有效解决水下光学图像前后背景亮度差异过大和色彩失真的问题。

然后，针对传统增强方法对图像纹理特征增强不完全的问题，提出一种基于噪声

估计的结构和纹理分解方法。将初步增强后的水下光学图像基于噪声估计分解，得到

图像低频结构层和高频纹理层。对高频纹理层进行噪声抑制和纹理特征增强，将处理

后的高频层和分解后的低频层按照伸缩因子进行重建，实现图像纹理特征的增强。通

过定量的参数分析和实验对比，证明本文方法对纹理特征的增强有明显的效果。

最后，为验证本文水下光学图像增强算法在实际高层应用中的有效性，采用两种

不同的特征点提取算法将增强前后的水下光学图像进行特征点提取对比。并采用快速

最近邻特征点匹配算法，将增强前后的连续帧水下光学图像进行特征点匹配实验。通

过实验结果证明本文方法在实际高层应用中的有效性。

关键词：场景深度估计模型；结构纹理分解；图像先验信息；水下光学成像模型

基于景深模型的水下图像纹理特征增强研究

Abstract

Duetotheabsorptionandscatteringoflightinwatermedia,underwateropticalimages

oftensufferfromseveredegradation,complexnoise,lowcontrast,andlossoftexturefeatures.

Low-qualityunderwateropticalimageswillgreatlylimithigh-levelapplicationssuchasscene

understanding,computervision,andunderwatertargettracking.Therefore,howtoeffectively

improvethequalityofunderwateropticalimageshasbecomeacurrentresearchhotspot.This

paperusesthescenedepthestimationmodelandnoiseestimationdecompositionmethodto

enhancethetexturefeatureinformationofunderwateropticalimages.Themainworkisas

follows:

Firstofall,inviewofthelimitationsofthetraditionalunderwaterimagingmodel,this

articleanalyzesthelightattenuationprocessofmu