论文阅读:Underwater image quality enhancement through integrated color model with Rayleigh distribution

(1)Author

  • 作 者
    Ahmad Shahrizan Abdul Ghania, Nor Ashidi Mat Isab
  • 机 构
    TATI University College, Jalan Panchor, 24100 Kemaman, Terengganu, Malaysia
    Imaging and Intelligent System Research Team (ISRT), School of Electrical & Electronics Engineering, Engineering Campus, Universiti Sains Malaysia,14300 Nibong Tebal, Penang, Malaysia
  • 时 间
    2015年

(2)Abstract

  • 作者指出了造成水下图像信息缺失的主要原因是由于degradation effects of light spectrum,海水对于蓝色光吸收的最少,对于红色光吸收的最多,而对于绿色光的吸收量介于两者之间,因此水下的图像总是呈现蓝绿色,从而造成水下图像的对比度下降;
  • 该论文的校正方法需要先分别对图像的RGB、HSV模型进行直方图调整,然后再对其进行融合得到最终的结果;
  • 作者分别对实验结果进行了quantitative analysisqualitative analysis ,结果表明该方法能有效提升图像的对比度,降低“蓝-绿效应”的影响,同时减少了图像的欠增强和过增强区域,在300幅图像上得到的MSEPSNR分别为76.76、31.31,超过了6种当时最先进的方法。

(3)Conclusion

  • 作者指出,本文方法是对 ICM(Integrated color model)和UCM(unsupervised color correction model) 算法的延伸和改进;
  • 如Substract中所讲,该方法需要对图像的RGB模型和HSV模型分别进行直方图调整,然后将两个颜色模型融合在一起得到最终的结果。在RGB模型中,图像的直方图在限定范围内被拉伸以降低过/欠饱和的影响。图像的像素被调整为遵循瑞利分布,使得绝大多数的像素值都聚集在强度级别的中心。在HSV模型中,也使用了瑞利分布对直方图进行调整,这样做是为了减少过增强和欠增强区域对于最终输出的影响;
  • 作者特别强调了一点——该算法相较于其他算法还有效降低了图像的噪声。

(4)Introduction

  • 作者指出水下图像增强是一项非常有挑战性的任务,这源于此类环境的物理特性,文中给出了光的三原色在水中消散的示意图:

在这里插入图片描述
从上图可以发现,到达水中的光线被保留最多的是蓝色光,被吸收最快的红色光,这也就是为什么水下图像会呈现蓝绿色。

(5)Literature review

  • 作者指出,水下图像处理可以从两个方面来描述,一是图像恢复,二是图像增强。图像恢复基于原始图像构建的模型,这些算法都非常的严格并且需要不同的参数来描述水的浊度,如衰减和扩散系数等。图像增强方法使用定性和主观标准来产生更令人视觉愉悦的图像,而不依赖于任何用于图像形成的物理模型。以前的研究者提出的方法大多涉及修改图像像素值,以提高图像对比度和颜色;

  • 在之前的研究中,主要有两类方法来对图像进行校正——基于物理的方法和基于数字图像的方法,这些physics-based的方法需要大量计算资源,计算时间也很长,作者没有做进一步的讨论,只是列举了一两个相关的方法;

  • 作者依次对 PDSCC(pixel distribution shifting color correction)、CLAHE(mixture contrastlimited adaptive histogram equalization) 等算法做了分析,它们都没能较为全面地提升图像质量,部分算法还因为处理过程过于复杂而给图像添加了更多的noise。

(6)Integrated color model with the Rayleigh distribution

  • 该算法是对ICM(Integrated color model)和UCM(unsupervised color correction model) 算法的延伸和改进,ICM算法是在RGB和HSI颜色模型中基于直方图修正的对比度校正技术,其中原始图像的直方图在整个动态范围内被拉伸。UCM算法则是应用von Kries hypothesis(该假说反映了图像强度和人类视觉敏感度之间的联系)基于主要的颜色通道进行颜色通道平衡。这两类算法存在的主要问题是会产生高噪声,这主要是因为它们引入了与图像不相关的波动和干扰信号;
  • 本文提出的算法,除了对输出图像进行限制,还让直方图拉伸的过程符合瑞利分布的结果,最终图像像素的分布会呈现钟型分布。(在作者引用的两篇文献内证明了瑞利分布是水下图像像素的最佳分布);
  • 瑞利分布,当一个随机二维向量的两个分量呈独立的、有着相同的方差的正态分布时,这个向量的模呈瑞利分布。该分布的PDF函数和CDF函数,如下所示:
    P D F R a y l e i g h = ( x α 2 ) e ( − x 2 2 α 2 ) f o r x ≥ 0 , α > 0 PDF_{Rayleigh}=(\frac{x}{\alpha^2})e^{(\frac{-x^2}{2\alpha ^2})} \quad for \quad x \geq 0,\alpha >0 PDFRayleigh=(α2x)e(2α2x2)forx0,α>0
    C D F R a y l e i g h = 1 − e ( − x 2 2 α 2 ) f o r x ∈ ( 0 , ∞ ) CDF_{Rayleigh} = 1-e^{(\frac{-x^2}{2\alpha ^2})} \quad for \quad x\in (0,\infty) CDFRayleigh=1e(2α2x2)forx(0,)
  • 直方图拉伸的公式为为:
    在这里插入图片描述
    然后再将值映射为瑞利分布,得:
    在这里插入图片描述
    其中各项参数由下列公式计算(其中I indicates the total dynamic range of the image, which is 255):
    在这里插入图片描述
    在这里插入图片描述
    由(5)、(6)式,可将(4)式简化为:
    在这里插入图片描述
  • 通过上式对RGB模型下的图像进行处理,分别实现了3类效果,将blue channel往低拉伸,将red channel往高拉伸,将green channel往两边拉伸,如下所示:
    在这里插入图片描述
    在这里插入图片描述
  • 在完成对RGB模型的对比度校正之后,进行对HSV模型的处理,这里,最小和最大拉伸值设置为上下限的1%之内的区域,以减少图像的欠饱和和过饱和。如下图所示:
    在这里插入图片描述
  • 完整算法流程如下图所示:
    在这里插入图片描述

(7)Results and discussion

  • 实验结果对比如下:
    在这里插入图片描述
    在这里插入图片描述
  • MSE、PSNR等指标对比如下:
    在这里插入图片描述
已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 数字50 设计师:CSDN官方博客 返回首页