申请/专利权人：常州工学院

申请日：2019-03-26

公开（公告）日：2019-06-28

公开（公告）号：CN109949247A

主分类号：G06T5/00(2006.01)I

分类号：G06T5/00(2006.01)I;G06T5/50(2006.01)I

优先权：

专利状态码：失效-发明专利申请公布后的撤回

法律状态：2021.07.16#发明专利申请公布后的撤回;2019.07.23#实质审查的生效;2019.06.28#公开

摘要：本发明公开了一种基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，包括以下步骤：进行全局背景光照向量估计；获取优化的透射率；消除透射率存在的块状效应；计算原始观测图像对应的去噪恢复图像；将原始彩色水下图像转换成灰度图像；对灰度图像转换成能保持图像边缘特征的灰度图像，并提取图像对应的梯度图像；将去噪恢复图像与保持边缘特征的灰度图像融合；将融合彩色图像转换颜色空间后将其亮度信息和色彩信息分离；对亮度信息进行运算，获取增强图像；将增强图像转换颜色空间。本发明中用到的4方向Sobel边缘检测器，能充分利用图像自身丰富的梯度信息实现图像增强处理，使得处理后的图像视觉质量提高、纹理信息丰富。

主权项：1.一种基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，包括以下步骤：步骤一：输入降质图像，根据水下目标成像模型，计算全局背景光照向量；步骤二：将降质图像划分为若干尺寸大小相同的图像块，均衡考虑对比度增强最大与图像信息损失最小，对图像块进行透射率估计，获取以图像块为单位的优化的透射率；步骤三：应用上下文正则化算法，消除透射率存在的块状效应；步骤四：根据水下目标成像模型，计算原始图像对应的去噪恢复图像；步骤五：将第一步输入的降质图像经线性变换，转换成灰度图像；步骤六：对步骤五的灰度图像应用局部拉氏滤波器，进一步转换成能保持边缘特征的灰度图像，并应用4方向Prewitt边缘检测器提取图像对应的有丰富梯度信息的图像；步骤七：将步骤四的去噪恢复图像与保持边缘特征的灰度图像欧几里得像素融合，得到融合彩色图像；步骤八：将融合彩色图像由RGB颜色空间转换至YIQ颜色空间，将转换后的图像的亮度信息和色彩信息分离，得到转换后的图像的亮度分量；步骤九：对步骤八的转换后的图像的亮度信息进行基于梯度域自适应增益的广义有界对数乘法运算，获取基于原始图像丰富梯度信息的增强图像；步骤十：将步骤九的增强图像由YIQ颜色空间转换回RGB颜色空间，得到RGB增强图像；步骤十一：输出RGB增强图像。

全文数据：一种基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法技术领域本发明属于图像信息处理领域，具体涉及一种基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法。背景技术水下目标探测图像往往存在非均匀亮度、低信噪比、低对比度等特殊情况，导致水下图像降质严重，常用的水下目标探测图像增强算法主要分为修改水下图像的光照和抑制图像对比度以保留图像边缘两大类，但不可避免会降低探测图像的视觉质量。传统的基于对比度增强的图像增强算法有很大的局限性，在图像对比度提高的同时，可能会忽略图像信息损失，并可能带来图像颜色失真，甚至可能会引入新的噪声，等等。由于受到水下复杂环境的光学特性以及水中各种微粒、浮游生物和水体流动的影响，直接平移和转嫁大气散射目标成像模型的研究成果进行水下探测图像增强效果仍显不足。发明内容为了解决上述问题，本发明提出了一种基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，包括以下步骤：步骤一：输入降质图像，根据水下目标成像模型，计算全局背景光照向量A；步骤二：将降质图像划分为若干尺寸大小相同的图像块，均衡考虑对比度增强最大与图像信息损失最小，对图像块进行透射率估计，获取以图像块为单位的优化的透射率；步骤三：应用上下文正则化算法，消除透射率存在的块状效应；步骤四：根据水下目标成像模型，计算原始图像对应的去噪恢复图像；步骤五：将第一步输入的降质图像经线性变换，转换成灰度图像；步骤六：对步骤五的灰度图像应用局部拉氏滤波器，进一步转换成能保持边缘特征的灰度图像，并应用4方向Prewitt边缘检测器提取图像对应的有丰富梯度信息的图像；步骤七：将步骤四的去噪恢复图像与保持边缘特征的灰度图像欧几里得像素融合，得到融合彩色图像；步骤八：将融合彩色图像由RGB颜色空间转换至YIQ颜色空间，将转换后的图像的亮度信息和色彩信息分离，得到转换后的图像的亮度分量；步骤九：对步骤八的转换后的图像的亮度信息进行基于梯度域自适应增益的广义有界对数乘法运算，获取基于原始图像丰富梯度信息的增强图像；步骤十：将步骤九的增强图像由YIQ颜色空间转换回RGB颜色空间，得到RGB增强图像；步骤十一：输出RGB增强图像。进一步地，步骤一中的水下目标成像模型具体为：Ip＝tpJp+1-tpA其中，Ip和Jp分别为水下目标在像素点位置p处对应的原始图像和恢复图像；tp为介质透射率；全局背景光照向量估计A步骤：①将原始图像平均划分为与原始图像尺寸等比例的四个矩形子图像块；②计算各子图像块对应的像素均值与标准偏差对应的差值；③选择差值最大的子图像块，将其进一步细分为四个矩形子图像块；④重复步骤②③，直到子图像块的尺寸小于预先设定的阈值；⑤在选定的子图像块中，选择最小距离对应的亮度向量均值，作为全局背景光照向量估计A。进一步地，步骤二具体为：将整体图像划分为尺寸大小为32×32的小图像块，并假设在每个小图像块内图像景深为固定值，即取相同的透射率估计值t，则将水下目标成像物理模型改写为：优化的透射率t*通过最小化代价函数E获取：E＝Econtrast+ηEloss其中，其中，Econtrast为恢复图像的对比度的代价函数和Eloss为观测图像的信息量损失的代价函数；和分别为Jp和Ip在小图像块中的均值，NB为小图像块中的像素数量，hi为像素值为i是对应的直方图值，α和β分别表示像素值范围截断点取值。优化的透射率t*表示为：进一步地，步骤三中所述消除图像透射率块状效应包括消除图像边缘的图像透射率块状效应和消除图像块内的图像透射率块状效应；所述消除图像边缘的图像透射率块状效应的具体公式为：其中，p和p′分别表示相邻像素点，Wp，p′为权重函数；所述消除图像块内的图像透射率块状效应的具体公式为：其中，σ是预先设定参数。进一步地，步骤四计算原始图像Ip对应的去噪恢复图像Jp的具体计算公式为：进一步地，步骤五将步骤一输入的降质图像转换成灰度图像的具体转换公式为：其中，IR为原始图像Ip的R分量，IG为原始图像Ip的G分量，IB为原始图像Ip的B分量。进一步地，步骤六的具体为：边缘保持的灰度图像G表示为：其中，fLLF表示LocalLaplacianFilter滤波器，τ和v参数分别表示图像平滑因子和边缘幅值；得到有丰富梯度信息的图像的具体方法为，调节梯度域自适应增益函数λi，j均值使其在合适的范围内，λi，j的公式具体为：其中，i，j为像素点p，a和b为可调节正数变量；gni，j为归一化的梯度图像，具体表示为：其中，δ1和δ2为微小的扰动量，以确保gni，j∈0，1；其中，像素点i，j的梯度图像gi，j表示为：其中，Gki，j为像素点i，j的4方向的梯度向量，具体为；其中，zi，j为像素点i，j的灰度值，Zi，j表示为：Pkk＝1，2，3，4为4方向上的Prewitt边缘检测器掩模定义为：P1＝-1-1-1；000；111P2＝0-1-1；10-1；110P3＝-101；-101；-101P4＝-1-10；-101；011。进一步地，步骤七将去噪恢复图像与保持边缘特征的灰度图像欧几里得像素融合得到融合彩色图像具体公式为：Qci，j＝fEuclidG，Ici，j其中，Qc为融合彩色图像，fEuclid表示Euclid融合运算。进一步地，步骤八中所述将融合彩色图像Qc由RGB颜色空间线性变换至YIQ颜色空间的转换公式具体为：其中，Yn、In和Qn为YIQ空间中归一化Y、I和Q值，Rn、Gn和Bn为融合RGB图像归一化的R、G和B分量。进一步地，步骤九的广义有界乘法运算具体为：其中，步骤九得到的亮度分量Yni，j，Y′ni，j为经过基于梯度域自适应增益的广义有界对数乘法运算后获得的基于原始图像丰富梯度信息的增强图像亮度分量。进一步地，步骤十中的将增强图像由YIQ颜色空间转换回RGB颜色空间的具体转换公式为：进一步地，步骤十和步骤十一之间还包括步骤十A，具体为：对RGB增强图像从均值、对比度、信息熵和色彩尺度等方面进行定量评价，定量评价的相关指标函数表示为：均值：其中，μR、μG和μB分别为RGB三通道颜色分量的均值；对比度：式中，Pi，j；d，θk为灰度共生矩阵；θk为像素间角度，θk＝k-1×45°，k＝1，2，3，4；信息熵：色彩尺度：其中，α＝R-G，β＝R+G2-B；μα、μβ和σα、σβ分别是α、β的均值和标准差根据评价结果调节步骤六中的a和b，并重复步骤六至十一，直至满足定量评价的相关指标。本发明所达到的有益之处在于：本发明的方法，可以只利用单幅非均匀亮度、低信噪比、低对比度水下目标探测图像自身的信息，在YIQ颜色空间对图像进行基于目标成像模型的去噪增强处理，再利用保持原原特征的灰度图像提取丰富的梯度信息进行自适应增益，最后从均值、对比度、信息熵和色彩尺度等综合定量评价指标评估基于目标成像模型的自适应梯度增益增强图像。本发明中用到的4方向Sobel边缘检测器，能充分利用图像自身丰富的梯度信息实现图像增强处理，使得处理后的图像视觉质量提高、纹理信息丰富。附图说明图1为本发明的流程图；具体实施方式下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。参照图1所示，本发明是一种基于YIQ空间成像模型的梯度域自适应增益水下图像增强方法，整体流程图如图1所示，具体实现步骤如下：第一步：输入降质图像；第二步：根据水下目标光学成像模型，进行全局背景光照向量估计。水下目标成像模型可以表述为：Ip＝tpJp+1-tpA其中，Ip和Jp分别为水下目标在像素点位置p处对应的原始图像和恢复图像；A为全局背景光照向量；tp为介质透射率，表示光线的光通量与其入射光通量的百分率。介质透射率tp＝e-ρdp，取决于两方面的因素：一是目标与相机镜头之间的距离dp，二是衰减系数ρ。图像去噪的目的，就是由原始图像Ip来计算恢复图像Jp。要计算恢复图像Jp，必须先计算全局背景光照向量A和为介质透射率tp。全局背景光照向量估计A步骤：①将原始观测图像平均划分为与原始图像尺寸等比例的四个矩形子图像块；②计算各子图像块对应的像素均值与标准偏差对应的差值；③选择差值最大的子图像块，将其进一步细分为四个矩形子图像块；④重复步骤②③，直到子图像块的尺寸小于预先设定的阈值；⑤在选定的子图像块中，选择最小距离A对应的亮度向量均值，作为全局背景光照向量估计表示在像素点位置p处对应的亮度。其中「p为原始图像RGB三通道的平均值。第三步：均衡考虑对比度增强最大与图像信息损失最小，对图像块进行透射率估计，获取以图像块为单位的最优透射率t*。将整体图像划分为尺寸大小为32×32的小图像块U边缘部分小图像块的长宽可能会小于32，并假设在每个小图像块U内图像景深为固定值，即取相同的透射率估计值t。则水下目标成像物理模型可以改写为：在Ip和A是已知条件的情况下，恢复图像Jp主要取决于t。由上式可知，Jp和t呈反比例关系。在小图像块U内，恢复图像的对比度随着透射率的减小而增加。因此，为了获取恢复图像较大的对比度，应该选择较小的透射率取值t。另一方面，小图像块U内，t和A均是固定值，则Jp和Ip呈正比例关系，比例系数为1t。已知，8位图像输入像素值范围Ip∈[0，255]。比例系数越大，输出像素值Jp取值范围也就越大，有可能超出取值范围[0，255]，而超出该范围的像素值无效。换言之，比例系数越大，要得到[0，255]的输出像素值，需要的输入像素值范围也就越小。直接导致有效输入像素值范围被截断，造成观测图像的信息量损失。因此，为了减少观测图像的信息损失，需要选择较小的比例系数，应该选择较大的透射率取值t。综合以上两方面的因素，在恢复图像的对比度和观测图像的信息量损失两方面应进行均衡处理，应选择比较合适的透射率。最优透射率t*可以通过最小化代价函数E获取：E＝Econtrast+ηEloss其中，其中，Econtrast为恢复图像的对比度的代价函数和Eloss为观测图像的信息量损失的代价函数；和分别为Jp和Ip在小图像块中的均值，NU为小图像块U中的像素数量，hi为像素值为i是对应的直方图值，α和β分别表示像素值范围截断点取值。优化的透射率t*可以表示为：其中，c表示rgb颜色通道。第四步：应用上下文正则化算法，改善透射率估计值，消除透射率存在的块状效应，得到以像素为单位的平滑透射率映射图。解决图像透射率块状问题的方法是引入权重函数Wx，yx，y为权重函数Wx，y的两个变量：Wp，p′tp-tp′≈0其中，p和p′分别表示相邻像素点。权重函数Wp1，p2在像素点p和p′之间起到开关的作用。当Wp，p′＝0时，在像素点p和p′之间的透射率上下文限制就可以取消。考虑到景深跃变一般出现在景象边缘，在区域块内，像素景深基本一致。权重函数Wx，y可以表示为：其中，Ip′为像素点位置p′处对应的原始图像，σ是预先设定参数。第五步：根据水下目标光学成像模型，在考虑RGB空间不同波长光线衰减系数不同的基础上，计算原始图像Ip对应的去噪恢复图像Jp。第六步：将第一步输入的降质图像经线性变换，转换成灰度图像其中，IR为原始图像Ip的R分量，IG为原始图像Ip的G分量，IB为原始图像Ip的B分量。第七步：对灰度图像应用局部拉氏滤波器，进一步转换成能保持边缘特征的灰度图像，并应用4方向Prewitt边缘检测器提取图像对应的梯度图像。能保持边缘特征的灰度图像G表示为：其中，fLLF表示LocalLaplacianFilter滤波器，τ和ν参数分别表示图像平滑因子和边缘幅值；利用人眼对边缘等高频信息比较敏感的特性，选择具有一定噪声鲁棒性的Prewitt算子获取边缘梯度图像。在传统Prewitt算子滤波0°和90°方向的基础上，增加了两个对角方向45°和135°方向的滤波，增强了平滑噪声的能力。4方向Prewitt边缘检测器掩模定义为：P1＝-1-1-1；000；111P2＝0-1-1；10-1；110P3＝-101；-101；-101P4＝-1-10；-101；011假设Zi，j定义为像素点i，j的3×3图像邻域，则Zi，j可以表示为：其中，zi，j定义为像素点i，j的灰度值。像素点i，j的4方向的梯度向量Gki，j可以定义为：像素点i，j的梯度图像gi，j可以定义为：归一化的梯度图像gni，j为：其中，δ1和δ2为微小的扰动量，以确保gni，j∈0，1。为了得到有丰富梯度信息的图像，在像素点i，j处的梯度域自适应增益函数λi，j可以表述为：其中，a和b为可调节正数变量，以确保梯度域自适应增益函数λi，j均值在一个合适的范围内。第八步：将去噪恢复图像与保持边缘特征的灰度图像欧几里得像素融合，得到融合彩色图像Qc。Qci，j＝fEuclidG，Ici，j其中，fEuclid表示Euclid融合运算，Qc表示rgb颜色空间中经过像素融合后对应的融合彩色图像。第九步：将融合彩色图像Qc由RGB颜色空间转换至YIQ颜色空间，将转换后的图像的亮度信息和色彩信息分离，得到转换后的图像的亮度分量。将融合彩色图像Qc由RGB颜色空间线性变换至YIQ颜色空间：其中，Yn、In和Qn为YIQ空间中归一化Y、I和Q值，Rn、Gn和Bn为融合彩色图像Qc归一化的R、G和B分量。第十步：对图像的亮度信息进行基于梯度域自适应增益的广义有界对数乘法运算，获取基于原始图像丰富梯度信息的增强图像。将第九步得到的亮度分量Yni，j进行基于自适应梯度增益的广义有界对数乘法运算，获取基于原始图像丰富梯度信息的增强图像亮度分量Y′ni，j。广义有界乘法运算可以表示为：第十一步：将增强图像由YIQ颜色空间转换回RGB颜色空间，便于图像显示，以及图像质量分析。第十二步：对增强图像从均值、对比度、信息熵和色彩尺度等方面进行定量评价。相关定量评价指标函数表示为：均值：其中，μR、μG和μB分别为RGB三通道颜色分量的均值。对比度：式中，Pi，j；d，θk为灰度共生矩阵；θk为像素间角度，θk＝k-1×45°，k＝1，2，3，4，d是像素之间的距离d＝1，下同。信息熵：色彩尺度：其中，α＝R-G，β＝R+G2-B；μα、μβ和σα、σβ分别是α、β的均值和标准差。根据评价结果调节步骤六中的a和b，并重复第六步至第十一步，直至满足定量评价的相关指标。对基于YIQ空间成像模型的梯度域自适应增益水下图像增强方法有关问题说明：1YIQ颜色空间中的灰度分量和彩色信息是分离的，一方面，同一个信号既可以用于彩色显示器，又可用于黑白显示器；另一方面，对图像的灰度信息增强处理，不影响图像的色彩信息。2优化的透射率t*可以通过最小化代价函数E获取，参数η是权重系数，用于控制对比度代价与信息损失代价之间的比重。在实际应用过程中，需要合理设置这项参数。3应用上下文正则化算法，能改善透射率估计值，得到以像素为单位的平滑透射率映射图。将去噪恢复图像与保持边缘特征的灰度图像融合，得到的彩色图像，一方面丰富了图像细节特征，另一方面更加忠实于原始图像。4对灰度图像应用局部拉氏滤波器，能控制灰度图像的平滑度和边缘幅值，充分保持灰度图像的边缘特性。5在实际应用中，根据对比度增强的需要，可以对梯度域自适应增益函数λi，j中的参数a和b进行调整，得到不同对比度的增强图像。6在进行对比度增强时，还应综合考虑图像信息熵、色彩尺度等因素，以实现图像整体视觉效果的提升。本发明的方法，可以只利用单幅非均匀亮度、低信噪比、低对比度水下目标探测图像自身的信息，在YIQ颜色空间对图像进行基于目标成像模型的去噪增强处理，再利用保持原原特征的灰度图像提取丰富的梯度信息进行自适应增益，最后从均值、对比度、信息熵和色彩尺度等综合定量评价指标评估基于目标成像模型的自适应梯度增益增强图像。本发明中用到的4方向Prewitt边缘检测器，能充分利用图像自身丰富的梯度信息实现图像增强处理，使得处理后的图像视觉质量提高、纹理信息丰富。以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

权利要求：1.一种基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，包括以下步骤：步骤一：输入降质图像，根据水下目标成像模型，计算全局背景光照向量；步骤二：将降质图像划分为若干尺寸大小相同的图像块，均衡考虑对比度增强最大与图像信息损失最小，对图像块进行透射率估计，获取以图像块为单位的优化的透射率；步骤三：应用上下文正则化算法，消除透射率存在的块状效应；步骤四：根据水下目标成像模型，计算原始图像对应的去噪恢复图像；步骤五：将第一步输入的降质图像经线性变换，转换成灰度图像；步骤六：对步骤五的灰度图像应用局部拉氏滤波器，进一步转换成能保持边缘特征的灰度图像，并应用4方向Prewitt边缘检测器提取图像对应的有丰富梯度信息的图像；步骤七：将步骤四的去噪恢复图像与保持边缘特征的灰度图像欧几里得像素融合，得到融合彩色图像；步骤八：将融合彩色图像由RGB颜色空间转换至YIQ颜色空间，将转换后的图像的亮度信息和色彩信息分离，得到转换后的图像的亮度分量；步骤九：对步骤八的转换后的图像的亮度信息进行基于梯度域自适应增益的广义有界对数乘法运算，获取基于原始图像丰富梯度信息的增强图像；步骤十：将步骤九的增强图像由YIQ颜色空间转换回RGB颜色空间，得到RGB增强图像；步骤十一：输出RGB增强图像。2.根据权利要求1所述的基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，步骤一中的水下目标成像模型具体为：Ip＝tpJp+1-tpA其中，Ip和Jp分别为水下目标在像素点位置p处对应的原始图像和恢复图像；tp为介质透射率；全局背景光照向量估计A步骤：①将原始图像平均划分为与原始图像尺寸等比例的四个矩形子图像块；②计算各子图像块对应的像素均值与标准偏差对应的差值；③选择差值最大的子图像块，将其进一步细分为四个矩形子图像块；④重复步骤②③，直到子图像块的尺寸小于预先设定的阈值；⑤在选定的子图像块中，选择最小距离对应的亮度向量均值，作为全局背景光照向量估计A，为。3.根据权利要求2所述的基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，步骤二具体为：将整体图像划分为尺寸大小为32×32的小图像块，并假设在每个小图像块内图像景深为固定值，即取相同的透射率估计值t，则将水下目标成像物理模型改写为：优化的透射率t*通过最小化代价函数E获取：E＝Econtrast+ηEloss其中，其中，Econtrast为恢复图像的对比度的代价函数和Eloss为观测图像的信息量损失的代价函数；和分别为Jp和Ip在小图像块中的均值，NB为小图像块中的像素数量，hi为像素值为i是对应的直方图值，α和β分别表示像素值范围截断点取值。优化的透射率t*表示为：4.根据权利要求3所述的基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，步骤三中所述消除图像透射率块状效应包括消除图像边缘的图像透射率块状效应和消除图像块内的图像透射率块状效应；所述消除图像边缘的图像透射率块状效应的具体公式为：其中，p和p′分别表示相邻像素点，Wp,p′为权重函数；所述消除图像块内的图像透射率块状效应的具体公式为：其中，σ是预先设定参数。5.根据权利要求4所述的基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，步骤四计算原始图像Ip对应的去噪恢复图像Jp的具体计算公式为：6.根据权利要求5所述的基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，步骤五将步骤一输入的降质图像转换成灰度图像的具体转换公式为：其中，IR为原始图像Ip的R分量，IG为原始图像Ip的G分量，IB为原始图像Ip的B分量。7.根据权利要求6所述的基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，步骤六的具体为：边缘保持的灰度图像G表示为：其中，fLLF表示LocalLaplacianFilter滤波器，τ和ν参数分别表示图像平滑因子和边缘幅值；得到有丰富梯度信息的图像的具体方法为，调节梯度域自适应增益函数λi,j均值使其在合适的范围内，λi,j的公式具体为：其中，i,j为像素点p，a和b为可调节正数变量；gni,j为归一化的梯度图像，具体表示为：其中，δ1和δ2为微小的扰动量，以确保gni,j∈0,1；其中，像素点i,j的梯度图像gi,j表示为：其中，Gki,j为像素点i,j的4方向的梯度向量，具体为；其中，zi,j为像素点i,j的灰度值，Zi,j表示为：Pkk＝1,2,3,4为4方向上的Prewitt边缘检测器掩模定义为：P1＝-1-1-1；000；111P2＝0-1-1；10-1；110P3＝-101；-101；-101P4＝-1-10；-101；011。所述步骤七中将去噪恢复图像与保持边缘特征的灰度图像欧几里得像素融合得到融合彩色图像具体公式为：Qci,j＝fEuclidG,Ici,j其中，Qc为融合彩色图像，fEuclid表示Euclid融合运算。8.根据权利要求7所述的基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，所述步骤八中所述将融合彩色图像Qc由RGB颜色空间线性变换至YIQ颜色空间的转换公式具体为：其中，Yn、In和Qn为YIQ空间中归一化Y、I和Q值，Rn、Gn和Bn为融合RGB图像归一化的R、G和B分量。9.根据权利要求8所述的基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，所述步骤九的广义有界乘法运算具体为：其中，Yni,j为步骤九得到的亮度分量，Y′ni,j为经过基于梯度域自适应增益的广义有界对数乘法运算后获得的基于原始图像丰富梯度信息的增强图像亮度分量。所述步骤十中的将增强图像由YIQ颜色空间转换回RGB颜色空间的具体转换公式为：10.根据权利要求9所述的基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法，其特征在于，所述步骤十和步骤十一之间还包括步骤十A，具体为：对RGB增强图像从均值、对比度、信息熵和色彩尺度等方面进行定量评价，定量评价的相关指标函数表示为：均值：其中，μR、μG和μB分别为RGB三通道颜色分量的均值；对比度：式中，Pi,j；d,θk为灰度共生矩阵；θk为像素间角度，θk＝k-1×45°，k＝1,2,3,4；信息熵：色彩尺度：其中，α＝R-G，β＝R+G2-B；μα、μβ和σα、σβ分别是α、β的均值和标准差；根据评价结果调节步骤六中的a和b，并重复步骤六至十一，直至满足定量评价的相关指标。

百度查询： 常州工学院 一种基于YIQ空间光学成像模型的梯度域自适应增益水下图像增强方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD