首页 > 行业资讯 > 【图像增强】基于DEHAZENET和HWD的水下去散射图像增强附matlab代码

【图像增强】基于DEHAZENET和HWD的水下去散射图像增强附matlab代码

时间:2023-02-05 来源: 浏览:

【图像增强】基于DEHAZENET和HWD的水下去散射图像增强附matlab代码

天天Matlab 天天Matlab
天天Matlab

TT_Matlab

博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,完整matlab代码或者程序定制加qq1575304183。

收录于合集

1 内容介绍

去散射和边缘增强是解决水下图像的对比度严重衰减、颜色偏差和边缘模糊等问题的关键步骤。这篇论文提出了一种较好的水下图像增强的方法。首先使用经过端到端训练的卷积神经网络去测量输入图片,同时以自适应双边滤波器对传输图片进行处理。接着提出一种基于白平衡的策略来消除图片的颜色偏差,用拉普拉斯金字塔融合获得无雾和色彩校正图像的融合结果。 最后,输出图像被转换为混合小波和方向滤波器组( HWD )域,用于去噪和边缘增强。实验结果表明,该方法可以消除颜色失真,提高水下图像的清晰度。

水下成像在海洋资源勘探,环境保护,海上防御和军事等方面发挥了至关重要的作用。然而,水下图像由于背散射和光衰减而导致能见度差。 光的随机衰减导致雾的外观。 沿着视线从介质返回的光散射的一部分降低了捕获图像的对比度。 在不同的水下环境中,图像质量下降的主要原因是不同的。

最近,研究人员提出了几种改善水下图像质量的方法。 偏振和距离成像方法( Schechner Karpel 2005; Tan 等, 2007 )直接通过专用硬件解决了这个问题。在( Voss 等人, 1990 )中研究的另一种方法测量了海水的光学传递函数。海水的调制传递函数( MTF )在( Liu et al 。, 2001 )中制定,并且通过维纳滤波器可以恢复模糊的图像。然而,由于昂贵的成本和设备的复杂配置,上述实验方法不适用于大多数海洋工程应用和科学研究。由于水下环境复杂多变,基于水下退化模型的去卷积方法在实际应用中存在缺陷。

另外,图像增强方法不依赖于任何特定的退化模型,并且它们根据人类视觉感知来处理图像。 常见的增强方法包括传统的直方图校正( Thakur 等, 2010 ),梯度变换( Lei 等, 2011 )和其他一些自适应平滑方法,如传统的低通滤波器,形态滤波器,同态滤波器( Padmavathi 等)。等, 2011 ),小波变换等 .Iqbal 等。( 2010 )提出了一种无监督的色彩校正方法,以改善水下图像的视觉质量。 Ancuti 等。( 2012 )提出了一种基于融合的方法来增强水下视频和图像。但是,图像增强方法可能会导致颜色偏差,并在处理水下图像时显示其局限性。

雾霾去除算法用于水下图像恢复方法。 他等人。 2009 )通过暗通道先验( DCP )估计劣化图像的透射图,并通过大气成像模型获得清晰图像。此外,开发了引导过滤器( He et al 。, 2010 )以改进原始透射图。德鲁斯 -JR 。等。( 2013 )制定了一个水下成像模型,通过蓝色和绿色通道计算暗通道。为了避免人为地提取特征, Cai 等人。( 2016 )通过深度学习架构估计传输地图。

在本文中,我们提出了一种能够提高水下图像可见度的方法。 它通过 DehazeNet 和白平衡改善了散射图像的对比,然后增强了图像边缘。图 1 描绘了我们的算法的示意图。首先,我们应用一种名为 DehazeNet CNN 来估计水下传输图,该图通过自适应双边滤波器进行细化。其次,我们开发了一个框架来混合去雾化和色彩校正的图像。最后,我们通过混合小波和方向滤波器组分离图像的高频和低频成分。在 HWD 域中,噪声方差由高频子带估计,并且阈值被设置为去除噪声。

2 部分代码

clc;

clear;

close all

addpath(’codes’)

addpath(’Images’)

 FileName = uigetfile({’*.jpg;*.bmp;*.png’},’Optional images’,’Images’); 

 input = imread(FileName);

 output = underwater(input);

 underwaterimage2(input);

 

 %i=40;             %Saved images number

 %saveas(1,[’./myresults/’,num2str(i),’.jpg’]);

%%%%%figure,imshow(input), title(’original image’);

%%%%%figure,imshow(output),title(’enhanced image’);

3 运行结果

4 参考文献

[1]郭青山, 黄玉清. 基于DehazeNet与边缘检测均值引导滤波图像去雾算法[J]. 传感器与微系统, 2020, 39(1):4.

博主简介:擅长 智能优化算法 神经网络预测 信号处理 元胞自动机 图像处理 路径规划 无人机 雷达通信 无线传感器 等多种领域的Matlab仿真,相关matlab代码问题可私信交流。

部分理论引用网络文献,若有侵权联系博主删除。

版权:如无特殊注明,文章转载自网络,侵权请联系cnmhg168#163.com删除!文件均为网友上传,仅供研究和学习使用,务必24小时内删除。
相关推荐