一种基于差分进化算法的自适应水下图像增强方法与流程

本发明涉及水下图像修复技术领域，尤其涉及一种基于差分进化算法的自适应水下图像增强方法。

背景技术：

随着海洋研究的不断发展，水下图像处理已成为广泛领域中的相关研究，例如水下遥测，深海勘探等。但是，水下图像易受模糊影响由于在水中具有吸收和散射作用，因此效果对比度下降和颜色变灰。这可能会危害计算机视觉应用程序，尤其是对安全要求严格的应用程序。研究人员已经研究了将图像转换为更好的表示形式或改善其视觉外观的方法，以使后续的图像处理受益。一些现有技术利用多个图像或深度信息来改善图像质量。还有其他技术使用基于直方图均衡化的或基于色调映射的技术来修改图像以使其在视觉上可接受。这些技术已证明它们在改善医学图像、卫星图像、航拍图像乃至现实生活中的照片方面的有效性，这些照片的对比度和噪声都很差。至于水下图像的增强，基于传递函数、字典学习、深度估计和波长补偿等方法已经研究了几种基于模型的方法。由于水的浑浊性质多重散射是不可避免的。因此，已有的技术通常缺乏提供足够的鲁棒性和不可感知性的要求。尽管深度神经网络在图像增强问题上表现出色，但其对其超参数的设置非常敏感。最后，增强算法的性能通常会受到许多超参数的影响，这些超参数在实践中是未知且难以选择的。尽管有大量使用经验法则进行研究的先进增强方法，但很难在良好的增强性能和超参数设置之间找到极好的经验一致性。

技术实现要素：

根据现有技术存在的问题，本发明公开了一种基于差分进化算法的自适应水下图像增强方法，包括如下步骤：

对水下原始图像进行直方图均值化操作得到颜色调整图像，对颜色调整图像进行细节锐化处理得到细节增强图像，基于暗通道先验法对细节增强图像进行亮度增强，通过对细节增强图像的反转图像进行去雾操作得到亮度增强后的水下图像；

将水下图像评价指标作为优化算法的适应度函数，选取待调整参数，将原始水下图像的颜色调整、细节增强、亮度增强过程中的待调整参数通过优化算法的适应度函数进行反馈调节，循环执行图像处理过程直到达到优化算法的停止条件为止，从而根据最优的待调整参数得到水下增强图像。

进一步的，对颜色调整图像进行细节锐化处理时将细节增强图像定义为：

dmax是增强的上限，u是j的大于阈值的高频，jc代表颜色调整图像，j代表细节增强图像，细节增强矩阵为：dis(p)和vis(p)分别代表大气光约束和可见度约束，代表逐元素相乘。

其中s和分别代表韦伯发光对比度和其平均值，l是图像的亮度，lb是图像的背景亮度，是c的平均值，k1和k2代表权重因子。

进一步的，选取图像像素的最小阈值vmin、最大阈值vmax、权重因子k1和k2作为优化算法的待调整参数，所述优化算法的截止条件为最大迭代次数。

由于采用了上述技术方案，本发明提供的一种基于差分进化算法的自适应水下图像增强方法，该方法提出了更全面的图像增强框架，可满足水下图像增强的需求。通过基于图像深度的方法调整了水下原始图像的颜色和亮度，同时增强图像的细节信息，可以提高图像的可观性，对低质量的水下图像有较明显的提高；同时为了减少人工设置参数的干预，采用优化算法进行自适应的参数调节，以达到图像的最佳效果，并获得更好的视觉外观；和基于深度学习的方法进行比较，该方法不需要成对的训练数据，并且编程实现较为容易值得推广及应用。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明方法的流程图。

具体实施方式

为使本发明的技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：

如图1所示的一种基于差分进化算法的自适应水下图像增强方法，具体包括如下步骤：

s1:对水下原始图像进行直方图均值化操作得到颜色调整图像：首先统计水下原始图像j每个通道的最小值j^cmin和最大值然后对图像所有像素进行排序，通过设置最小阈值vmin和最大阈值vmax，将小于或者大于阈值的像素进行调整。

最终使用公式可得到颜色调整图像。

s2:将颜色调整图像采用细节锐化方法处理得到细节增强图像，具体过程为：将细节增强图像定义为：

dmax是增强的上限，u是j的大于阈值的高频，jc代表颜色调整图像，j代表细节增强图像，细节增强矩阵为：dis(p)和vis(p)分别代表大气光约束和可见度约束，

其中s和分别代表韦伯发光对比度和其平均值，l是图像的亮度，lb是图像的背景亮度，是c的平均值，k1和k2代表权重因子。

s3:基于暗通道先验(dcp)对细节增强图像进行亮度增强，通过对细节增强图像的反转图像进行去雾操作可以得到亮度增强后的水下图像。我们使用暗通道先验(dcp)来改善低光。我们通过输入反转图像其中高亮度区域对应于j(p)中的暗通道，由于倒置图像也满足物理模型，因此通过去雾方法可以减弱高亮度，由此得到亮度增强后的水下增强图像。

s4：将水下图像评价指标作为优化算法的适应度函数，选取待调整参数，将原始水下图像的颜色调整、细节增强、亮度增强过程中的待调整参数通过优化算法的适应度函数进行反馈调节，循环执行图像处理过程直到达到优化算法的停止条件为止，从而根据最优的待调整参数得到水下增强图像。

其中待调整参数为图像像素的最小阈值vmin、最大阈值vmax、权重因子k1和k2；所述优化算法的截止条件为最大迭代次数。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。