水下圖像低層視覺問題研究.pdf

1、水下圖像在水下探測中具有重要意義，通過對直觀圖像的研究可以獲得各種未知環(huán)境的信息。由于水下信道環(huán)境復雜，以及水下圖像成像設備的特性導致了成像結果對比度低、圖像質(zhì)量差、目標與背景之間對比度低。水下噪聲帶來的干擾和水體內(nèi)部的不均勻特性很大程度上降低了獲取圖像的質(zhì)量。這些問題影響了獲取圖像的可視效果，同時也對后續(xù)的目標檢測與識別分析等工作帶來了很大困難。低層視覺處理中的圖像復原和圖像增強可以有效解決這些問題。
　　本文的研究重點為水下圖

2、像復原和水下圖像增強，在分析圖像退化降質(zhì)模型的基礎上，圍繞傅里葉頻譜、多尺度幾何分析方法、人眼視覺特性、同態(tài)濾波、馬爾可夫隨機場、字典學習理論、直方圖均衡、全變分、圖像形態(tài)學方法以及它們在相關圖像處理技術中的典型應用而展開。論文的主要研究成果及創(chuàng)新性表現(xiàn)在以下幾個方面：
　?。?）針對水下模糊圖像復原問題，闡述了圖像退化模型的基本概念，分析了包括運動模糊，高斯模糊，離焦模糊的不同模糊原理。討論了不同模糊類型的確定以及通過解卷積復原

3、圖像的各類方法，比較了對應于不同模糊類型所適用的解卷積方法。同時針對點擴散函數(shù)中的未知參數(shù)提出了利用拉東變換和傅里葉變換估計運動模糊中模糊角度和模糊長度的方法以及通過傅里葉頻譜的特征確定高斯模糊與離焦模糊中的未知參數(shù)的方法，實現(xiàn)了在缺少先驗信息下水下模糊圖像的分類復原。
　?。?）針對高斯噪聲環(huán)境下水下非相干圖像復原問題，分析了表面波變換的原理、構成和特性。闡述了表面波變換和視網(wǎng)膜皮層原理以及二者特性，并在此基礎上提出了一種將彩色

4、圖像由RGB色彩空間轉換至HSV色彩空間，利用表面波結合自適應閾值處理飽和度分量，多尺度視網(wǎng)膜皮層方法處理亮度分量的水下圖像去噪方法。實現(xiàn)了高斯噪聲下的水下非相干圖像去噪復原。
　　（3）針對脈沖噪聲環(huán)境下水下非相干圖像復原問題，通過研究脈沖耦合神經(jīng)網(wǎng)絡特點，借鑒同態(tài)濾波的概念，提出了一種基于改進同態(tài)濾波結合簡化脈沖耦合神經(jīng)網(wǎng)絡水下非相干圖像去噪方法。該方法引入簡化脈沖耦合神經(jīng)網(wǎng)絡模型，結合中值濾波對圖像中脈沖噪聲加以濾除，同時將

5、小波變換引入同態(tài)濾波并通過同態(tài)濾波調(diào)整圖像亮度，提升復原圖像的視覺效果，實現(xiàn)了對水下非相干圖像中脈沖噪聲的去除。
　　（4）針對高斯噪聲環(huán)境下水下相干圖像復原問題，結合專家場方法與核奇異值分解模型，提出一種水下相干圖像去噪復原方法。探討了專家場中不同參數(shù)的選取和噪聲標準差估計方法，同時該方法還采用字典學習的方式通過噪聲圖像構建學習字典，通過核奇異值分解完成對高強度噪聲下水下相干圖像的去噪復原。所提出方法將確定性的方法和隨機性的方法

6、加以聯(lián)合，達到去除圖像噪聲、改善圖像視覺效果的目的。
　?。?）針對水下圖像增強問題，根據(jù)對直方圖均衡算法和Retinex方法的研究，提出了一種基于最大熵的水下圖像增強方法。該方法將水下彩色圖像進行 RGB色彩空間下的圖層分解，通過直方圖均衡化和Retinex分別對各圖層進行增強，比較通過兩種方法增強后圖層的熵值并保留高熵值的圖層作為待合成圖層，最終選取熵值高的圖層分量結果合成增強后彩色圖像。相比于單純采用直方圖均衡或Retine