申请/专利权人：河南科技学院

申请日：2023-12-18

公开（公告）日：2024-03-19

公开（公告）号：CN117726538A

主分类号：G06T5/70

分类号：G06T5/70;G06T5/90;G06T5/50;G06T7/194

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明提供了一种基于前景和背景主成分融合的水下机器人视觉增强方法，首先获取颜色失真水下图像，采用色彩均衡策略对Lab色彩空间的a和b通道进行色彩均衡，同时对L通道进行对比度增强以获得颜色校正图像；接着对颜色校正后的前景图像进行对比度增强，同时对后景图像进行去雾处理；引入主成分分析融合策略，通过融合具有不同信息的图像的前景和背景分量，获得清晰的水下图像。该方法保留原始图像的纹理细节等信息的同时增强了图像的对比度解决了水下图像颜色失真问题。

主权项：1.一种基于前景和背景主成分融合的水下机器人视觉增强方法，其特征在于：包括以下步骤：步骤1获取颜色失真的水下图像，首先通过对L通道采用方框滤波处理，以求出低质量图像局部块的均值和方差；步骤2基于步骤1中对L通道的处理，对a、b通道进行像素均衡处理；步骤201通过对a、b通道的像素平均值进行比较；对于像素平均值较小的通道，将它的像素值更新为原始像素值加两个通道像素平均值的差值与两通道像素平均值的和相乘后除以最大通道的原始像素值；步骤202对于像素平均值较大的通道，采用相反的计算方法，以此获得颜色校正的图像；步骤3基于步骤202中获取的颜色校正的图像，将图像分离为前景图和后景图，计算公式为： IF＝1-k·Icx,y,IB＝k·Icx,y,其中，k是图像分离临界数值，α＝0.5，Icx,y是颜色校正图像，c∈{R,G,B}，IF是颜色校正图像逐像素分离出的前景图像，IB是颜色校正图像逐像素分离出的后景图像；步骤301对颜色校正前景图，遍历颜色校正图像的RGB通道，根据设置的阈值把图像通道中小于第一阈值的像素值更换为第一阈值，大于第二阈值的像素值更换为第二阈值，获得对比度增强后的图像；颜色校正前景图对比度增强的计算公式为：N-1·α＝i+j,V1＝1-j×A[i]+j×A[i+1],N-1·β＝i+j,V2＝1-j×A[i]+j×A[i+1], 其中，N是图像像素点个数，H和W是图像的长和宽，α是百分位数，i和j是百分位数对应的图像像素点的位置，V1是百分位数对应的阈值，A代表数组，通过阈值的判断图像中像素值低于阈值V1的更新为阈值V1，V2是百分位数β对应的阈值，通过该阈值的判断图像中像素值大于阈值V2的更新为阈值V2；Ic是我们对比度增强后的图像，Ic′是经过大于阈值V2和小于阈值V1更新后的图像，minIc′x,y是处理后图像的最小值，maxIc′x,y是处理后图像的最大值，μ＝0.5；步骤302将后景图像分为四部分区域，计算出区域的像素值和通道像素平均值，接着根据像素平均值求出标准差；在已知通道的像素平均值和标准差的基础上计算出区域评分值，最后筛选出评分值最高的区域，获得大气光，获取大气光值的计算公式为： Iim＝maxPR,PG,PB，其中，I1、I2、I3和I4是后景图像分的四小部分区域图像，M和N是后景图像的长和宽，Ii,j为后景图像； 是区域图像的RGB通道的像素平均值，是对应通道的标准差，P是区域图像RGB通道的像素评分值，Iim是评分最高的区域；步骤303通过图像场景深度局部相似假设，把图像分为15×15大小一样的区域块，对每个区域块进行传输映射估计，将传输映射合并一起，获得整幅图像的传输映射；步骤4通过分析增强图像和去雾图像协方差矩阵的特征值和特征向量计算融合权重，然后将增强图像和去雾图像按照权重进行线性组合，获得融合图像；其中，增强图像和去雾图像线性组合的计算公式为： Zx＝2α1×IFx+2α2×IBx,其中，X是前景对比度增强图像，Y是后景去雾图像，ConX,Y是协方差矩阵，和是图像像素平均值；Zx是最终增强图像，α1和α2是归一化权重，IFx是前景对比度增强图像，IBx是后景去雾图像。

全文数据：

权利要求：

百度查询： 河南科技学院 基于前景和背景主成分融合的水下机器人视觉增强方法

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