基于引导滤波的暗通道matlab,基于加权引导滤波的水下图像增强算法

在水下环境中，由于水分子以及溶解的杂质对光线的吸收和散射作用，导致水下图像出现对比度低、噪声较大等严重的退化问题。这不仅降低了图像的整体视觉效果，而且给后续图像的自动处理和识别产生不利影响。因此，研究有效的水下图像增强算法具有重要意义。

近年来，水下图像增强方法主要分为模型法和非模型法。模型法利用光照物理模型估计图像的降质模式，根据估计的结果复原降质图像。非模型法不考虑水下光学成像机理和光照机理，直接根据降质图像的特征进行处理[。杨爱萍等[基于颜色失真去除和暗通道的水下图像复原，采用适用于水下图像的颜色失真去除方法还原图像颜色，并利用散射系数与波长的关系修正各通道的透射率，实现图像复原。Hitam等[采用CLAHE算法分别在水下图像的RGB空间和HSV空间进行图像增强，并对增强结果进行融合，该算法计算效率高，但增强后噪声较大。张凯等[将水体散射效应等效为环境光照的变化，通过水下彩色图像亮度通道下的多尺度Retinex算法处理，可减小水体散射效应，提高图像对比度，但该算法在图像的背景区域容易出现噪声。胡玉娟等[通过均衡化和白平衡方法对图像进行处理，根据处理结果的显著图、照度图和色度图估计融合系数，并对图像进行融合，该算法可以取得较好的增强效果，但融合系数计算复杂，不适合实时处理。

针对以上问题，提出一种基于加权引导滤波的水下图像增强算法，在增强图像的对比度后，采用基于Canny算子修正的加权引导滤波器抑制图像噪声。

1 引导滤波器理论

引导滤波器是一种局部线性图像滤波器，具有平滑和边缘保持的特性，它能够像双边滤波器一样保持边缘平滑，并在边缘附近能够保持更多的细节[。假定引导图像为I，输入图像为p，输出图像为q，其滤波线性转换模型为

${q_i} = {\alpha _k}{I_i} + {b_k},\;\forall i \in {\omega _k}。$

(1)

其中：ωk是以像素点k为中心、r为半径的邻域；ak、bk为窗口ωk内的常量。对式(1)两边求梯度，得

$\nabla q = \alpha \nabla I。$

(2)

由式(2)可知，当输入图像I有梯度时，输出q也有类似的梯度，因此，引导滤波具有边缘保持特性。求解滤波结果相当于最小化窗口ωk内的损耗函数。损耗函数定义为

$E\left( { {\alpha _k} + {b_k}} \right) = \sum\limits_{i \in {w_k}} {\left( { { {\left( { {\alpha _k}{I_i} + {b_k} - {p_i}} \right)}^2} + \varepsilon \alpha _k^2} \right)} 。$

(3)

其中：pi为待滤波图像；ε为规整化因子，用来防止系数ak过大，也是调节滤波器滤波效果的重要参数。

对式(3)进行最小二乘法，可得

${\alpha _k} = \frac{ {\frac{1}{ {\left| \omega \right|}}\sum\limits_{i \in {w_k}} { {I_i}{p_i} - {\mu _k}{ {\bar p}_k}} }}{ {\sigma _k^2 + \varepsilon }},$

(4)

${b_k} = { {\bar p}_k} - {\alpha _k}{\mu _k}。