水下降質(zhì)圖像的偏振參數(shù)分區(qū)優(yōu)化復(fù)原

李榮華， 蔡昌燁， 張圣輝， 徐云鶴， 曹昊天

（1. 大連交通大學(xué) 機(jī)械工程學(xué)院，遼寧 大連 116028；2. 大連市先進(jìn)機(jī)器人感知與控制技術(shù)創(chuàng)新中心，遼寧 大連 116028）

1 引言

水下圖像復(fù)原廣泛應(yīng)用于海洋考古、海洋軍事、以及海洋生物學(xué)研究中［1-2］。水中模糊的圖像阻礙著人類對(duì)于海洋的探索，這催生了水下圖像復(fù)原和探測(cè)技術(shù)的發(fā)展。光在水下傳播過程中，由于水下雜質(zhì)粒子的散射和水的吸收作用，拍攝設(shè)備得到的水下圖像會(huì)變的模糊，顏色會(huì)失真、圖像對(duì)比度和圖像亮度都會(huì)降低［3-4］?；谄裥畔⒌乃聢D像復(fù)原以及水下探測(cè)導(dǎo)航技術(shù)現(xiàn)如今應(yīng)用廣泛［5］，偏振是光的固有特性之一，基于偏振信息的水下圖像恢復(fù)方法通常在同一場(chǎng)景中收集偏振圖像，結(jié)合偏振信息，分離背景光和散射光，從而達(dá)到恢復(fù)水下圖像的目的。

為解決水下圖像模糊和信息衰減等問題，諸多學(xué)者提出了一系列提高水下成像質(zhì)量的方法。Bazeille 等人通過小波去噪、顏色平衡等預(yù)處理方法增強(qiáng)了水下圖像的對(duì)比度［6］。He 等人提出了一種基于暗通道先驗(yàn)（Dark Channel Prior，DCP）的圖像增強(qiáng)算法［7］。Galdran 等人利用反向紅色通道和藍(lán)綠色通道最小化改進(jìn)DCP 算法，并引入飽和度信息來減除主動(dòng)光源的影響，對(duì)DCP 算法進(jìn)行了優(yōu)化［8］。結(jié)合偏振信息，Schechner 提出了一種基于物理模型的算法來反推水下圖像退化過程，它考慮了圖像退化的原因，并估計(jì)了水下成像模型中的參數(shù)，在一定程度上有效地提高了退化圖像的可見性，但該方法假設(shè)是光照是均勻的，仍有一定的局限性［9-10］。之后，越來越多的研究者在此物理模型的基礎(chǔ)上進(jìn)行了改進(jìn)。傳統(tǒng)方法對(duì)于高偏物體（例如金屬）的恢復(fù)效果很差，Huang 等人提出了一種基于曲線擬合來估計(jì)透射率和背景光的方法［11］。通過該方法，水中的高偏物體和低偏物體都能夠得到很好的恢復(fù)，然而，由于引入了大量的非線性計(jì)算，雖然結(jié)果得到了優(yōu)化，但是處理時(shí)間大幅度增加。胡浩豐等人提出了一種透射率校正的方法［12］，使用簡(jiǎn)單的多項(xiàng)式擬合來校正具有較高偏振度的物體的透射率，以恢復(fù)具有不同偏振度對(duì)象的圖像，該方法的處理時(shí)間相較于Huang 等人的方法得到明顯的縮短。范之國(guó)等人提出了一種全局參數(shù)估計(jì)的水下偏振復(fù)原方法，解決了人工取景估計(jì)參數(shù)不佳的問題［13］。2021年，褚金奎等人提出了基于特定偏振態(tài)成像的水下圖像去散射方法，該方法使高渾水下偏振度、偏振角圖像質(zhì)量得到明顯改善［14］。近期劉飛等人通過分析后向散射光的分布，根據(jù)偏振信息具有低階特性，通過低秩稀疏矩陣分解估計(jì)后向散射光的偏振度和偏振角，復(fù)原出清晰的圖像，突破了傳統(tǒng)偏振成像方法中后向散射光假設(shè)的局限性［15］。傳統(tǒng)方法對(duì)于要處理的整個(gè)圖像是全局最優(yōu)的，但對(duì)于圖像內(nèi)的每個(gè)目標(biāo)不是最優(yōu)的。這可能會(huì)導(dǎo)致某些目標(biāo)物無法獲得圖像增強(qiáng)甚至發(fā)生退化。Zhang 等人通過旋轉(zhuǎn)分析儀提取低偏高偏目標(biāo)物連通域?qū)崿F(xiàn)了從傳統(tǒng)方法中的全局最優(yōu)估計(jì)到局部最優(yōu)估計(jì)的轉(zhuǎn)變［16］。

本文針對(duì)現(xiàn)有水下圖像偏振復(fù)原方法在硬件以及算法基礎(chǔ)上進(jìn)一步改進(jìn)優(yōu)化，使用主動(dòng)偏振光源，搭配了多通道實(shí)時(shí)偏振探測(cè)系統(tǒng)獲取0°，45°，90°，135°多幅偏振圖像，基于水下圖像復(fù)原模型，獲取偏振信息。首先運(yùn)用分塊對(duì)比度加強(qiáng)和引導(dǎo)濾波對(duì)兩幅偏振正交圖像進(jìn)行預(yù)處理，在水中目標(biāo)反射光偏振度與目標(biāo)的材質(zhì)和表面結(jié)構(gòu)高度相關(guān)，現(xiàn)實(shí)水下真實(shí)圖像中目標(biāo)往往擁有復(fù)雜的偏振特性，對(duì)于同時(shí)存在復(fù)雜目標(biāo)的圖像，傳統(tǒng)方法是對(duì)整幅圖像的偏振信息進(jìn)行估計(jì)，但整幅圖像的全局偏振信息并不適用于每個(gè)目標(biāo)物，這可能會(huì)導(dǎo)致某些目標(biāo)物無法獲得圖像增強(qiáng)甚至發(fā)生退化，其次本文根據(jù)偏振度圖像各像素點(diǎn)的值進(jìn)行分區(qū)，較其他方法優(yōu)化了對(duì)低偏、高偏目標(biāo)物區(qū)域的提取過程，并分別估計(jì)各目標(biāo)物的目標(biāo)光偏振度，改善了以往全局估計(jì)容易帶來的偏差，最后對(duì)后向散射光偏振度進(jìn)行了分區(qū)迭代優(yōu)化，本文方法能夠有效抑制后向散射光，實(shí)現(xiàn)更好的圖像清晰化目的，改善最終圖像質(zhì)量。

2 水下偏振圖像清晰化模型

迄今為止大部分基于水下圖像復(fù)原方法中，都是以Jaffe-McGlamery 模型作為基礎(chǔ)，在此基礎(chǔ)上進(jìn)行優(yōu)化。本文的水下物理模型模型由主動(dòng)光源、起偏器、探測(cè)目標(biāo)、渾濁水體、檢偏器、偏振相機(jī)組成。分析已知的光的散射特性，可知偏振成像模型所接收到的信息由目標(biāo)光分量、前向散射分量和后向散射分量所組成。目標(biāo)反射光是主動(dòng)光源發(fā)出的在觀測(cè)目標(biāo)物表面反射的光，前向散射光是目標(biāo)反射光在進(jìn)入相機(jī)之前被水中的雜質(zhì)散射而成的，散射光是造成圖像模糊、對(duì)比度下降的原因。因此，構(gòu)建水下偏振圖像清晰化模型可以有效分離圖像中的前向、后向散射信息，復(fù)原目標(biāo)反射光。由于前向散射光對(duì)比后向散射光的強(qiáng)度極小，將前向散射光考慮在模型之內(nèi)會(huì)顯著增加算法的復(fù)雜度，且對(duì)圖像質(zhì)量提高作用不大。因此本文著重考慮水下偏振圖像中目標(biāo)反射光和后向散射光的關(guān)系。

根據(jù)主動(dòng)光水下偏振成像示意圖1 我們可知該系統(tǒng)接收到的總光信號(hào)I表示為：

圖1 主動(dòng)光水下偏振成像示意圖Fig.1 Schematic diagram of underwater polarization imaging of active light

圖2 四通道偏振圖像擬合的最好最差圖像Fig.2 Best and worst image fitted to the four-channel polarization image

其中：I(x，y)是水下偏振成像系統(tǒng)獲得的圖像，即相機(jī)所接收到的原始信息，S(x，y)是目標(biāo)反射光，B(x，y)則是后向散射光。水下圖像清晰化的目標(biāo)就是對(duì)S(x，y)進(jìn)行求解，克服原始圖像I(x，y)中后向散射光B(x，y)的影響。

本文光的偏振信息由Stokes 矢量（參數(shù)I，Q，U，V）來描述，可以推導(dǎo)出斯托克斯矢量的表示方法：

其中：I表示總光強(qiáng)，即0°，90°兩個(gè)偏振方向的光強(qiáng)分量之和，Q表示0°，90°兩個(gè)偏振方向的光強(qiáng)分量之差，U表示在45°，135°兩個(gè)偏振方向上的線偏振光分量的差值，V是左旋偏振光與右旋偏振光的差值。

因此斯托克斯矢量的參數(shù)之間可以表示為：

本文主要用線偏振光進(jìn)行原始的信息采集，并沒有采集圓偏振光，后續(xù)計(jì)算中使用線偏振度，所以假設(shè)圓偏振參量V=0，這一假設(shè)對(duì)于后續(xù)的圖像復(fù)原影響微乎其微，可以忽略。因此公式可以進(jìn)一步簡(jiǎn)化為：

根據(jù)偏振度的定義，結(jié)合公式（8），線偏振度的表示如式（8）所示：

不同偏振角度下光強(qiáng)擬合曲線公式如式（9）所示：

式中：α是指偏振方向與標(biāo)準(zhǔn)方向之間的夾角，通過多通道實(shí)時(shí)偏振探測(cè)系統(tǒng)獲取0°，45°，90°，135°四幅不同偏振角度的圖像結(jié)合Stokes 矢量便可以求解出I，Q，U，代入公式（9）即可求出處于不同偏振角度時(shí)的光強(qiáng)圖像I（α）。通過I（α）后續(xù)可以得到光強(qiáng)最大和最小的兩幅偏振圖像，同時(shí)兩幅圖像的偏振角度正交，根據(jù)強(qiáng)度分別記為Imax(x，y)和Imin(x，y)。

結(jié)合式（1）兩幅光強(qiáng)最大最小的兩幅偏振圖像也可用后向散射光和目標(biāo)反射光來表示：

其中：式（10）中Smax(x，y)，Bmax(x，y)分別為光強(qiáng)度最大時(shí)的目標(biāo)反射光和后向散射光。同理，式（11）中Smin(x，y)，Bmin(x，y)分別為光強(qiáng)度最小時(shí)的目標(biāo)反射光和后向散射光。

米氏散射理論認(rèn)為，后向散射光為部分偏振光，因此根據(jù)米氏散射理論與偏振度的定義，可以得出后向散射光的偏振度如下：

同理目標(biāo)光偏振度Ptar可表示為公式（13）如下：

聯(lián)立式（10）和式（11）可求得圖像總光強(qiáng)用Itotal表示，為了簡(jiǎn)潔表示，對(duì)坐標(biāo)量（x，y）進(jìn)行了省略：

對(duì)式（10）～式（13）進(jìn)行聯(lián)立可得：

因此，根據(jù)式（14）和式（15），可以對(duì)目標(biāo)反射光S和后向散射光B進(jìn)行求解得：

經(jīng)過上述的推導(dǎo)，根據(jù)式（16）和式（17）可知，根據(jù)水下偏振圖像的原始信息，只需對(duì)目標(biāo)反射光偏振度Ptar與后向散射光偏振度Pscat進(jìn)行求解即可求出目標(biāo)反射光和后向散射光，求解Ptar，Pscat，Imin，Imax，即可得出復(fù)原圖像。

3 偏振參數(shù)分區(qū)優(yōu)化復(fù)原方法

3.1 Imin，Imax分塊對(duì)比度增強(qiáng)預(yù)處理

隨著渾濁度的增大，目標(biāo)區(qū)域S(x，y)越來越小，渾濁介質(zhì)所帶來的干擾B(x，y)越來越大，二者的比值，清晰度γ=S(x，y)/B(x，y)就越低，造成圖像的對(duì)比度過低。而利用本文提出的方法實(shí)現(xiàn)的對(duì)比度增強(qiáng)，后續(xù)處理的結(jié)果會(huì)得到改善，并提升高渾濁度環(huán)境下的成像質(zhì)量。由于兩個(gè)正交偏振圖像之間存在偏振關(guān)系，因此，單獨(dú)對(duì)兩個(gè)正交偏振圖像進(jìn)行對(duì)比度加強(qiáng)可能會(huì)破壞這種偏振關(guān)系，使偏振特性無法保證。偏振度是最重要和最基本的偏振參數(shù)，經(jīng)常用于描述偏振特性，因此，為了保持偏振關(guān)系，我們只需要通過對(duì)比度加強(qiáng)方法處理其中一幅正交圖像，然后根據(jù)兩幅圖像的偏振特性得到另一幅圖像［17］。

原始正交偏振圖像Imin，Imax對(duì)之間存在固有的偏振關(guān)系如公式（18）所示，偏振度P(x，y)可由式（8）得出，預(yù)處理后的圖像間也應(yīng)保持同樣的偏振關(guān)系，即處理前后每一對(duì)正交偏振圖像對(duì)的偏振度P(x，y)應(yīng)保持不變。此外，由于混濁水體介質(zhì)的信息衰減大，“最暗”（Imin）圖像比“最亮”（Imax)圖像受到更少后向散射光的退偏影響，目標(biāo)反射光信息占比最大，因此，所以直接對(duì)“Imin”進(jìn)行對(duì)比度加強(qiáng)預(yù)處理更為有效。再結(jié)合公式（19）可得到預(yù)處理后的Imax。

首先，通過分塊處理，將圖像分成H×W的小塊，分離出每一小區(qū)域的高低頻信息，引用加強(qiáng)因子β對(duì)高頻信息進(jìn)行加強(qiáng)。

其中：H表示每一小塊的高，W表示每一小塊的寬，表示Imin中的局部塊的像素值之和。表示每個(gè)局部塊像素均值。

因此對(duì)比度加強(qiáng)可表示為：

為了避免對(duì)比度加強(qiáng)后形成的塊效應(yīng)，使用引導(dǎo)濾波進(jìn)行平滑處理：

其中：guidefilter（ ）為導(dǎo)向?yàn)V波過程；r為導(dǎo)向?yàn)V波的濾波半徑，本文為5；eps 為極小數(shù)。

對(duì)比度公式如式（23）所示：

其中：N為圖像中的像素總數(shù)，為Imin的平均值，如果β值太小，可能會(huì)導(dǎo)致增強(qiáng)圖像中的紋理平滑和細(xì)節(jié)丟失。相反如果β值太大，可能會(huì)導(dǎo)致增強(qiáng)圖像中的像素溢出和過飽和。經(jīng)過多次調(diào)試將β值取2.5，預(yù)處理圖像對(duì)比度最高，質(zhì)量最好。

3.2 目標(biāo)物分區(qū)提取，目標(biāo)光偏振度估計(jì)

高偏物體與低偏物體偏振度差距過大，例如塑料等低偏物體的偏振度很小，接近于0，而高偏物體例如金屬的偏振度可接近于1，可以根據(jù)這個(gè)特性，通過偏振度分區(qū)篩選高偏低偏物體區(qū)域，方便后續(xù)提取連通域，根據(jù)式（8）Stokes 矢量得到的偏振度圖像。該圖像每個(gè)像素點(diǎn)代表該對(duì)應(yīng)點(diǎn)的偏振度值，根據(jù)不同的偏振度，建立合理的偏振度分區(qū)，方便將高低偏物體成功提取。

圖3 為偏振度偽彩色圖（彩圖見期刊電子版），該偽彩色圖可以表明，根據(jù)不同目標(biāo)物偏振度值的差異，很容易將二者進(jìn)行篩選，區(qū)分開來，方便對(duì)不同目標(biāo)物進(jìn)行提取，本文參考文獻(xiàn)（16）方法通過旋轉(zhuǎn)分析儀，獲得不同偏振角度（不同亮暗）的偏振圖像，根據(jù)不同偏振角度下高偏低偏物體具有亮暗差異來進(jìn)行提取，該提取方法旋轉(zhuǎn)角度過程過于繁瑣，往往找不到合適的角度分離目標(biāo)物，而本文提取的方法相比該方法更節(jié)省時(shí)間，準(zhǔn)確率高，同時(shí)本文方法解決了傳統(tǒng)方法在高渾濁度下提取困難的問題。

圖3 偏振度偽彩色圖Fig.3 Pseudo-color plot of polarization

首先本文對(duì)分區(qū)預(yù)提取的圖像進(jìn)行最大值濾波，最大值濾波的優(yōu)點(diǎn)是可以去除圖像中存在的暗點(diǎn)，并且也會(huì)使圖像亮度增加，達(dá)到增強(qiáng)目標(biāo)輪廓的作用，便于目標(biāo)提取。

其中：Ichoosec是選定的分區(qū)后的圖像；Ω(x，y)是在像素點(diǎn)的窗口，c 為圖像三個(gè)通道；

之后使用Otsu 方法，根據(jù)方差分布的概率對(duì)圖像進(jìn)行二值化，分別提取目標(biāo)物坐標(biāo)信息。接下來用sobel 算子進(jìn)行邊緣識(shí)別，最后進(jìn)行閉操作，實(shí)現(xiàn)對(duì)多個(gè)目標(biāo)物的分別提取。

對(duì)目標(biāo)物進(jìn)行分別提取，用EME 對(duì)目標(biāo)光偏振度在0～1 范圍內(nèi)，以0.01 為步長(zhǎng)進(jìn)行迭代估計(jì)，確定提取后目標(biāo)物的偏振度。圖像細(xì)節(jié)評(píng)價(jià)指標(biāo)EME 的表達(dá)式如下：

其中：EME 是圖像局域灰度變化程度的表現(xiàn)，圖像局部灰度變化越強(qiáng)，圖像的細(xì)節(jié)表現(xiàn)詳細(xì)，計(jì)算出的EME 值也越高。根據(jù)公式（25）圖像被分成K1×K2 個(gè)小區(qū)域，計(jì)算每個(gè)小區(qū)域中灰度最大的值與最小的值之比的對(duì)數(shù)均值，得到的即是評(píng)價(jià)結(jié)果，EME 經(jīng)常被用來衡量圖像的質(zhì)量，EME 的值越大，圖像質(zhì)量越好。

3.3 后向散射光偏振度選區(qū)迭代優(yōu)化

傳統(tǒng)方法總是將計(jì)算后的后向散射光偏振度取平均值，計(jì)算過程詳見式（12），后向散射光偏振信息的不均勻性一直是偏振水下成像中被忽視的一個(gè)特征，而且后向散射光偏振信息的準(zhǔn)確估計(jì)對(duì)成像結(jié)果的質(zhì)量起著重要作用。傳統(tǒng)的偏振成像方法假定背散射光的偏振度和偏振角是恒定的，事實(shí)上，后向散射光的偏振信息是漸進(jìn)的而不是恒定的，本文將對(duì)后向散射光偏振度進(jìn)行選區(qū)迭代優(yōu)化，提高圖像質(zhì)量。

最優(yōu)迭代區(qū)間選定為：［0+a×0.1：0+a×0.1+b×0.1］，其中迭代系數(shù)a取值范圍為0～100，迭代系數(shù)取值范圍為b取0～100。當(dāng)后向散射光偏振度在選定偏振度區(qū)間內(nèi)的像素，其數(shù)值保持不變，區(qū)間外的像素使用周圍鄰域的中值替代。最后，利用EME 作為評(píng)價(jià)指標(biāo)，篩選出EME 值最大的區(qū)間以及系數(shù)a和b。

4 實(shí)驗(yàn)與分析

4.1 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)環(huán)境如圖5 所示，主要部件包含偏振相機(jī)、偏振光源、線偏振片、玻璃水箱、目標(biāo)物。相機(jī)使用加拿大LUCID VISION LABS 公司開發(fā)的搭載Sony IMX250 MYR 圖像傳感器的TRITON 彩色偏振相機(jī)TRIO50S-QC，該相機(jī)是四通道的分焦平面偏振相機(jī)，可以同時(shí)采集0°，45°，90°，135°四個(gè)偏振角度的偏振圖像，無相位延遲，其中每幅圖像的最大像素為2 448×2 048。該四通道分焦平面偏振相機(jī)解決了以往使用的偏振片旋轉(zhuǎn)式偏振相機(jī)照片拍攝存在時(shí)延而造成的復(fù)原效果不良的問題。實(shí)驗(yàn)中，使用添加了USP-50C0.4-38 線偏振片的主動(dòng)光源（Rawray 150W LED 燈）對(duì)目標(biāo)進(jìn)行照射，目標(biāo)物放置在透明的高透亞克力水缸（透光度達(dá)96%以上）中，水箱的長(zhǎng)寬高分別為40 cm，40 cm，50 cm，且在水箱內(nèi)側(cè)覆蓋了黑色鍍膜，以避免實(shí)驗(yàn)室外部環(huán)境光的干擾。并且為了模擬自然水體的渾濁，在水中加入了牛奶，通過加入脫脂牛奶的量來改變水體的渾濁程度，用來模擬渾濁水體，進(jìn)行水下實(shí)驗(yàn)，最后用本文的方法得到優(yōu)化后的實(shí)驗(yàn)圖像。

表1 工作環(huán)境Tab.1 Working environment

圖5 總體流程圖Fig.5 Overall flowchart

圖6 實(shí)驗(yàn)環(huán)境圖Fig.6 Experimental environment diagram

圖7 低渾濁水下實(shí)驗(yàn)1Fig.7 Low turbidity underwater experiment 1

4.2 實(shí)驗(yàn)結(jié)果

本文共進(jìn)行三組實(shí)驗(yàn)，分別對(duì)低渾濁度下的無偏、高偏目標(biāo)物，低偏、高偏目標(biāo)物，以及為了模擬水下真實(shí)環(huán)境對(duì)高渾濁度低照度下低偏、高偏目標(biāo)物進(jìn)行復(fù)原。圖10 為三維分列柱形圖，展示了三組實(shí)驗(yàn)結(jié)果（表2～表4），由于實(shí)驗(yàn)結(jié)果EME 取值范圍在5 以內(nèi)，NIQE 在20 以內(nèi)，Contrast 在50 以內(nèi)，三者相差較大，為方便橫向?qū)Ρ?，使?shí)驗(yàn)結(jié)果更為直觀，對(duì)每組實(shí)驗(yàn)的同一評(píng)價(jià)指標(biāo)數(shù)值按百分比占有量進(jìn)行歸一化處理（取值范圍在0～1 之間）。其中EME（Enhancement Measure Evaluation）如式（25）所示，圖像復(fù)原質(zhì)量越好，得到的EME 也越大。NIQE（Natural Image Quality Evaluator）又名自然圖像質(zhì)量評(píng)價(jià)器，為無參考圖像評(píng)價(jià)指標(biāo)，圖中NIQE 值下降顯著，NIQE 值越小，圖像越自然。Contrast 為對(duì)比度，Contrast 值越大，說明圖像輪廓清晰，細(xì)節(jié)信息更豐富。由圖10 三個(gè)實(shí)驗(yàn)結(jié)果可知，本文方法對(duì)同時(shí)存在多目標(biāo)物，尤其在高偏、無偏以及高偏、低偏混合目標(biāo)下較其他方法具有顯著優(yōu)勢(shì)，本文方法能對(duì)高低偏物體進(jìn)行分別優(yōu)化，整幅圖像的全局偏振信息并不適用于每個(gè)目標(biāo)物，傳統(tǒng)方法可能會(huì)導(dǎo)致某些目標(biāo)物無法獲得圖像增強(qiáng)，甚至發(fā)生退化，本文方法針對(duì)多目標(biāo)物進(jìn)行圖像復(fù)原，解決了在全局估計(jì)下部分目標(biāo)物無法充分復(fù)原的問題。根據(jù)實(shí)驗(yàn)1 和實(shí)驗(yàn)2，在低渾濁度下，各目標(biāo)物分別進(jìn)行復(fù)原，圖像復(fù)原效果顯著，由于（原）圖8（實(shí)驗(yàn)三）是在高渾濁度，低光照下（為模擬水下真實(shí)環(huán)境）進(jìn)行，只能分辨圖形基本輪廓，細(xì)節(jié)信息分辨不高，但較原始光強(qiáng)圖（Intensity Image）表征的細(xì)節(jié)信息更為豐富，EME 值提升達(dá)379%，對(duì)比度則提升956%，同時(shí)較本文列舉的其他方法提升顯著，證實(shí)了本文算法在高渾濁度水下應(yīng)用的可行性。

表2 實(shí)驗(yàn)1 圖像質(zhì)量對(duì)比Tab.2 Experiment 1 image quality comparison

表3 實(shí)驗(yàn)2 圖像質(zhì)量對(duì)比Tab.3 Experiment 2 image quality comparison

圖8 低渾濁水下實(shí)驗(yàn)2Fig.8 Low turbidity underwater experiment 2

圖9 高渾濁低光照水下實(shí)驗(yàn)3Fig.9 High turbidity and low light underwater experiment 3

圖10 實(shí)驗(yàn)數(shù)據(jù)三維柱形圖Fig.10 Three-dimensional histogram of experimental data

5 結(jié) 論

本文針對(duì)高渾濁度水下環(huán)境中，獲取的圖像存在對(duì)比度下降、清晰度低、信息衰減、目標(biāo)復(fù)雜時(shí)難以完全復(fù)原等問題，搭建了水下偏振成像實(shí)驗(yàn)平臺(tái)，提出了一種水下降質(zhì)圖像的偏振參數(shù)分區(qū)優(yōu)化復(fù)原方法。通過對(duì)高低偏物體的偏振特性進(jìn)行分區(qū)，優(yōu)化了目標(biāo)區(qū)域的提取方法，對(duì)高低偏水下目標(biāo)的Ptar 進(jìn)行分別估計(jì)，對(duì)Imin，Imax，Ptar，Pscat進(jìn)行不同程度的改進(jìn)優(yōu)化，獲取目標(biāo)復(fù)原圖像。本文實(shí)驗(yàn)結(jié)果的主觀視覺質(zhì)量提升顯著，前兩組實(shí)驗(yàn)在低渾濁度下對(duì)比原始光強(qiáng)圖，客觀評(píng)價(jià)指標(biāo)的EME 值提升平均達(dá)554%，對(duì)比度則平均提升528%，第三組實(shí)驗(yàn)在低照度高渾濁度環(huán)境下對(duì)比原始光強(qiáng)圖，EME 值提升達(dá)379%，對(duì)比度則提升956%。三組實(shí)驗(yàn)自然圖像質(zhì)量評(píng)價(jià)指標(biāo)NIQE 值表現(xiàn)良好，圖像更加自然。因此，本文的方法能有效地復(fù)原水下渾濁圖像，增加圖像對(duì)比度，改善圖像質(zhì)量，實(shí)現(xiàn)圖像復(fù)原。本文研究結(jié)果為水下偏振圖像復(fù)原和增強(qiáng)提供了研究基礎(chǔ)，同時(shí)算法的魯棒性和自適應(yīng)能力還有待提高，這是我們今后需要進(jìn)行改進(jìn)提升的工作。