【图像增强】基于DEHAZENET和HWD的水下去散射图像增强附matlab代码

1 内容介绍

去散射和边缘增强是解决水下图像的对比度严重衰减、颜色偏差和边缘模糊等问题的关键步骤。这篇论文提出了一种较好的水下图像增强的方法。首先使用经过端到端训练的卷积神经网络去测量输入图片，同时以自适应双边滤波器对传输图片进行处理。接着提出一种基于白平衡的策略来消除图片的颜色偏差，用拉普拉斯金字塔融合获得无雾和色彩校正图像的融合结果。最后，输出图像被转换为混合小波和方向滤波器组（HWD）域，用于去噪和边缘增强。实验结果表明，该方法可以消除颜色失真，提高水下图像的清晰度。

水下成像在海洋资源勘探，环境保护，海上防御和军事等方面发挥了至关重要的作用。然而，水下图像由于背散射和光衰减而导致能见度差。光的随机衰减导致雾的外观。沿着视线从介质返回的光散射的一部分降低了捕获图像的对比度。在不同的水下环境中，图像质量下降的主要原因是不同的。

最近，研究人员提出了几种改善水下图像质量的方法。偏振和距离成像方法（Schechner和Karpel，2005; Tan等，2007）直接通过专用硬件解决了这个问题。在（Voss等人，1990）中研究的另一种方法测量了海水的光学传递函数。海水的调制传递函数（MTF）在（Liu et al。，2001）中制定，并且通过维纳滤波器可以恢复模糊的图像。然而，由于昂贵的成本和设备的复杂配置，上述实验方法不适用于大多数海洋工程应用和科学研究。由于水下环境复杂多变，基于水下退化模型的去卷积方法在实际应用中存在缺陷。

另外，图像增强方法不依赖于任何特定的退化模型，并且它们根据人类视觉感知来处理图像。常见的增强方法包括传统的直方图校正（Thakur等，2010），梯度变换（Lei等，2011）和其他一些自适应平滑方法，如传统的低通滤波器，形态滤波器，同态滤波器（Padmavathi等）。等，2011），小波变换等.Iqbal等。（2010）提出了一种无监督的色彩校正方法，以改善水下图像的视觉质量。 Ancuti等。（2012）提出了一种基于融合的方法来增强水下视频和图像。但是，图像增强方法可能会导致颜色偏差，并在处理水下图像时显示其局限性。

雾霾去除算法用于水下图像恢复方法。他等人。（2009）通过暗通道先验（DCP）估计劣化图像的透射图，并通过大气成像模型获得清晰图像。此外，开发了引导过滤器（He et al。，2010）以改进原始透射图。德鲁斯-JR。等。（2013）制定了一个水下成像模型，通过蓝色和绿色通道计算暗通道。为了避免人为地提取特征，Cai等人。（2016）通过深度学习架构估计传输地图。

在本文中，我们提出了一种能够提高水下图像可见度的方法。它通过DehazeNet和白平衡改善了散射图像的对比，然后增强了图像边缘。图1描绘了我们的算法的示意图。首先，我们应用一种名为DehazeNet的CNN来估计水下传输图，该图通过自适应双边滤波器进行细化。其次，我们开发了一个框架来混合去雾化和色彩校正的图像。最后，我们通过混合小波和方向滤波器组分离图像的高频和低频成分。在HWD域中，噪声方差由高频子带估计，并且阈值被设置为去除噪声。

2 部分代码

clc;

clear;

close all

addpath('codes\')

addpath('Images\')

FileName = uigetfile({'*.jpg;*.bmp;*.png'},'Optional images','Images');

input = imread(FileName);

output = underwater(input);

underwaterimage2(input);

%i=40; %Saved images number

%saveas(1,['./myresults/',num2str(i),'.jpg']);

%%%%%figure,imshow(input), title('original image');

%%%%%figure,imshow(output),title('enhanced image');

3 运行结果

4 参考文献

[1]郭青山, 黄玉清. 基于DehazeNet与边缘检测均值引导滤波图像去雾算法[J]. 传感器与微系统, 2020, 39(1):4.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机、雷达通信、无线传感器等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。