本发明涉及一种水下图像增强算法，属于图像处理技术领域。
背景技术：
技术实现要素：
一种水下图像增强算法，包括：
s1、获取水下图像；检测图像像素点的红色通道、绿色通道、蓝色通道的像素值，并计算各通道的像素均值；
使用(x，y)代表所在图像的像素点的位置，ir(x，y)，ig(x，y)，ib(x，y)代表原图像的红色、绿色、蓝色通道；代表原图红色、绿色、蓝色通道分别的平均值；
s2、提出五种颜色补偿方式：绿色补偿红色；蓝色补偿红色；蓝色、绿色补偿红色；蓝色补偿绿色和红色；绿色补偿蓝色和红色；并对图像的每个像素点进行颜色矫正；
所述s2步骤中颜色补偿(即上述“颜色矫正”)所使用的具体计算公式1～5如下：
绿色通道对红色通道增强：
蓝色通道对红色通道增强：
蓝色、绿色通道对红色通道增强：
绿色通道对蓝色及红色通道增强：
蓝色通道对绿色及红色通道增强：
使用ire(x，y)，ige(x，y)，ibe(x，y)代表增强后的红色、绿色、蓝色通道；并在1～5公式中引入增强系数参数α，α取值范围一般为[0，1]；
s3、对5种颜色通道补偿后的图像通过uciqe和uiqm两种评价方法分别进行定量评价；当α＝1时，选取uciqe值与uiqm值最大的两幅图像作为拟选最优颜色通道补偿图像；
s4、对于所述s3步骤中获得的拟选最优颜色通道补偿图像，分别采用uciqe和uiqm对采用不同补偿系数α生成的图像进行定量评价；
分别以n(n＜1)的增强在(0，1]的范围内设定α的值，生成相应的2/n幅图像，并设定m＝(0：1：2/n]分别代表这2/n幅图像；
所述步骤s4中使用uciqe(m)代表第m种α值的通道增强后的图像uciqe的取值，min(uciqe)代表2/n幅图像uciqe最低的值，max(uciqe)代表2/n幅图像uciqe最高的值；uiqm(m)代表第m种α值的通道增强后的图像uiqm的取值，min(uiqm)代表2/n幅图像uiqm最低的值，max(uiqm)代表2/n幅图像uiqm最高的值；
s5、使用公式6，取最大的比重和结果对应的α值作为所述s2步骤计算公式1～5中的α值，选择此α值对应的颜色补偿方法生成的图像作为最佳颜色矫正图像；
公式6中uciqe(m)代表第m种α值的通道增强后的图像uciqe的取值，min(uciqe)代表2/n幅图像uciqe最低的值，max(uciqe)代表2/n幅图像uciqe最高的值；uiqm(m)代表第m种α值的通道增强后的图像uiqm的取值，min(uiqm)代表2/n幅图像uiqm最低的值，max(uiqm)代表2/n幅图像uiqm最高的值；
s6、对最佳颜色矫正图像进行白平衡处理，采用grayworld白平衡假设进行白平衡处理即得到改进白平衡强化图像；
s7、人工调节γ值生成改进白平衡强化图像的多幅欠曝光版本公式：γ为正整数，取值1、2、3、4、5；同时对应γ的取值生成5幅图片；
s8、通过公式7～9计算三种权重值；
对比度权重值公式：
公式7中为γ＝k(k为经γ调节处理后生成的欠曝光图像的数量，对应于γ的数量即1、2、3、4、5)的图像每个像素(x，y)的对比度权重；ek代表γ＝k的图像，x，y分别对应γ＝k图像的像素位置；
饱和度权重值公式：
公式8中为γ＝k，每个像素(x，y)的饱和度权重；rk(x，y)，gk(x，y)，bk(x，y)分别代表白平衡后图像的红色、绿色、蓝色在γ＝k，像素(x，y)的强度值；分别代表白平衡后图像的红色、绿色、蓝色在γ＝k，像素(x，y)的平均强度值；
最佳曝光度权重值公式：
公式9中为γ＝k，每个像素x的最佳曝光度权重；为γ＝k，每个像素(x，y)，分别在c颜色通道(红、黄、蓝三个颜色通道)的强度值；常数系数σ＝0.2；
s9、通过公式10将三种权重值相乘，计算结果进行标准化处理；
相乘公式：
公式10中wk(x，y)为＝k，每个像素x的权重设定。为所述对比度权重值，为所述饱和度权重值，为最佳曝光度权重值；
将wk(x，y)进行标准化处理，即使得wk(x，y)取值在[0，1]范围内一一对应；
s10、通过将wk(x，y)与经过γ调整后得到的5幅图像eκ(x，y)＝{eγ＝1(x，y)，eγ＝2(x，y)…eγ＝5(x，y)}带入公式11(多尺度图像融合算法公式)，即可得到最终增强图像j(x，y)。
多尺度图像融合算法公式：
优选的是，所述s1步骤中将被补偿通道像素值高于图像像素最高强度95％的点取出，去除，无需处理。
优选的是，所述s7步骤中当γ＞5后图像因对比度降低太多而发暗，丢失太多细节信息而没有使用价值；因此γ取值1、2、3、4、5，同时生成不同γ值对应的5幅图片。
优选的是，所述s8步骤中常数系数σ经大量实验后确认设置为0.2效果最佳。
本发明展示的算法系统简单实用，能有效纠正水下图像色偏，提升图像对比度，恢复细节信息，具备很好的鲁棒性。只根据获得的单幅水下图像的信息及我们发明的算法和系统即可对其进行水下图像的质量增强，操作简便，效果明显。
附图说明
为了清楚说明本发明技术方案，同时展示与其他现有算法的处理效果进行对比的结果，下面对发明内容中所需要的附图做简单介绍。
图1为本发明描述的一种水下图像增强算法流程图。
图2为本发明改进的白平衡和其他白平衡方式对比图。
图3为本发明算法与其他算法的水下图像处理增强效果对比图。
图4为本发明算法处理的低光照对比图。
图5为本发明算法处理的雾天、自然图像对比图。
图6为本发明算法采用sift图像匹配算法成功匹配对数显示对比图。
具体实施方式
下面对本发明的具体实施方式进行详细说明。
为了更好的理解本发明的图像增强算法，首先对先对本发明中使用的改进白平衡技术做详细介绍。
a、改进白平衡技术
流程如图1所示，采用的具体技术如下：
s1、获取水下图像的红色通道、绿色通道、蓝色通道的像素值，并计算各通道的像素均值。
使用(x，y)代表所在图像的像素点的位置，ir(x，y)，ig(x，y)，ib(x，y)代表原图像的红色、绿色、蓝色通道；代表原图红色、绿色、蓝色通道分别的平均值。
其中为防止颜色补偿过多的情况发生，事先将被补偿通道像素值高于其最高强度95％的点取出不做进一步补偿处理。
使用这五种颜色补偿(即上述“颜色矫正”)方法进行补偿计算，计算公式1～5如下：
上式中ire(x，y)，ige(x，y)，ibe(x，y)代表增强后的红色、绿色、蓝色通道；公式中α为增强系数参数，也是得到最佳白平衡方式需要求解的值，α的一般取值范围为[0，1]。
s3、对5种颜色通道补偿方式后的图像通过uciqe和uiqm两种评价方法分别进行定量评价，并选取uciqe值与uiqm两值最大的两幅图像作为拟选最优颜色通道补偿图像。
uciqe是水下彩色图像质量评价，其计算公式为uciqe＝c1×σc+c2×con1+c3×μs；其中σc代表目标图像色度的标准差、con1代表目标图像对比度的标准差；μs代表目标图像平均饱和度的标准差，c1、c2、c3分别为系数常数设置为0.4680、0.2745、0.2576。
uiqm是水下图像质量测量指标，其计算公式为uiqm＝c1×uicm+c2×uism+c3×uiconm；其中，uicm代表目标图像的颜色测量指标；uism代表目标图像锐利度的测量指标；uiconm代表目标图像对比度测量指标，c1、c2、c3分别为系数常数设置为0.0282、0.2953、3.5753。
s4、对于获得的拟选最优颜色通道补偿图像，分别以0.1的增强在(0，1]的范围内设定α的值，生成相应的20幅图像，并设定m＝(0：1：20]代表这20幅图像。
使用uciqe(m)代表第m种α值的通道增强后的图像uciqe的取值，min(uciqe)代表20幅图像uciqe最低的值，max(uciqe)代表20幅图像uciqe最高的值；用uiqm(m)代表第m种α值的通道增强后的图像uiqm的取值，min(uiqm)代表20幅图像uiqm最低的值，max(uiqm)代表20幅图像uiqm最高的值；
s5、将20幅图像的uciqe和uiqm值的两比重相加，取最大的比重和结果对应的α值作为第2步骤计算公式1～5中的α值，此α值对应的颜色补偿方法生成的图像即最佳颜色矫正图像。
所用相加公式：
公式6中uciqe(m)代表第m种α值的通道增强后的图像uciqe的取值，min(uciqe)代表20幅图像uciqe最低的值，max(uciqe)代表20幅图像uciqe最高的值；用uiqm(m)代表第m种α值的通道增强后的图像uiqm的取值，min(uiqm)代表20幅图像uiqm最低的值，max(uiqm)代表20幅图像uiqm最高的值；
某一图像的value值最大时，可以认为这幅增强图像的图像质量最高，被选取为最佳颜色矫正图像；同时，其所对应的m值(即α值)是最佳颜色矫正图像的增强系数。
获得改进白平衡技术处理的水下图像后，使用人工生成多幅欠曝光融合技术处理，并采用基于拉普拉斯分层的经典多尺度融合方式对我们改进白平衡处理后的图像进行增强。下面对采用的人工生成多幅欠曝光融合技术做详细介绍。
b、人工生成多幅欠曝光融合技术
s1、引入γ值，人工调节伽马值生成白平衡后的图像的多幅欠曝光版本公式：γ为正整数。
由于γ＞5的图像因对比度降低太多而发暗，丢失太多细节信息导致没有使用价值。因此只采用γ＝1、2、3、4、5的5幅图片。
s2、通过公式7～9分别计算“对比度”、“饱和度”及“最佳曝光度”三种权重值，计算结果
等号左边的为γ＝k(k为经γ调节处理后生成的欠曝光图像的数量，对应于γ的数量即1，2，3，4，5)的图像每个像素(x，y)的对比度权重。等号右边的ek代表γ＝k的图像，x，y分别对应γ＝k图像的像素位置。
等号左边的为γ＝k，每个像素(x，y)的饱和度权重；等号右边rk(x，y)，gk(x，y)，bk(x，y)分别代表白平衡后图像的红色、绿色、蓝色在γ＝k，像素(x，y)的强度值，分别代表白平衡后图像的红色、绿色、蓝色在γ＝k，像素(x，y)的平均强度值。
等号左边d的为γ＝k，每个像素x的最佳曝光度权重；为当γ＝k时，每个像素(x，y)分别在c颜色通道(红、黄、蓝三个颜色通道)的强度值。其中常数系数σ＝0.2。
s3、通过公式10将得到的对比度，饱和度和最佳曝光度权重值进行相乘，并进行标准化处理。
相乘公式为：
其中等号左边wk(x，y)为当γ＝k时，每个像素(x，y)的权重设定。为防止权重对最终结果造成可能的不均匀影响，将wk(x，y)进行标准化处理，即wk(x，y)取值在[0，1]范围内一一对应。
s4、将得到的wk(x，y)与经过γ调整后得到的5幅图像eκ(x，y)＝{eγ＝1(x，y)，eγ＝2(x，y)…eγ＝5(x，y)}带入公式11中，即多尺度图像融合算法公式(参考文献：p.j.burtande.h.adelson，″lapacianpyramidasacompactimagecode，″ieeetransactionsoncommunications，vol.com-31，no.4，pp.532-540，1983.)，获得最终增强图像j(x，y)。
为验证本算法的有效性，更好的证明本发明的算法可以有效提高所处理的图像的质量，如图2～6及表1、表2所示，进行了以下测试。
表1用ssim与pcqi技术评定图2中各颜色矫正方法的效果
同时表1为用ssim与pcqi技术评定图2中各颜色矫正方法的效果，评价指标计算公式如下：
其中x，y代表被对比的两幅图像(增强图和参考图)，μ，σ，σxy分别代表局部均值、方差与协方差。c1，c2分别为两个常数系数。
pcqi(x，y)＝pc×ps×pi；
其中x，y分别代表被对比的两幅图像(增强图和参考图)，pc代表两幅图像的对比度变化；ps代表两幅图像的结构畸变；pi代表两幅图像的平均强度。
结合图2与表1，本发明中改进白平衡技术对于模糊不清、颜色失真的原图有良好的矫正效果，与其他算法相比，处理的图像对比度更高，图像质量更好。
表2用uiqm，uciqe与pcqi技术评定图3中各水下图像增强算法效果
表2为用uiqm，uciqe与pcqi技术评定图3中各水下图像增强算法效果。
综合图3与表2，图3原图(a)的图像背景色偏绿，对比度差。经本发明改善后显著改善色偏，对比度提高，且相较于其他算法有更好的图像质量。
图4(a)为原始输入低光照图像，图4(b)为本发明优化后低光照图像。图5(a)为原始输入雾天、自然图像，图5(b)为本发明优化后雾天、自然图像。本发明的算法在改善雾天，低光照及自然图像的视觉质量上也有显著效果。
图6(a)为水下原始图像采用sift图像匹配算法成功匹配对数显示(参考文献：z.wang，a.c.bovik，h.r.sheikh，ande.p.simoncelli，″imagequalityassessment：fromerrorvisibilitytostructuralsimilarity，″ieeetransactionsonimageprocessing，vol.13，no.4，pp.600-612，2004.)，图6(b)为本发明优化后采用sift图像匹配算法成功匹配对数显示。原始图像匹配数量分别为：7和690；经本发明算法优化后匹配数量为：91和1109。可以看出本发明的算法增强后的图像可以被检测出更多的关键点和更准确的匹配结果。
以上所述仅用于对本发明的技术方案进行详细介绍，帮助理解本发明的技术手段及其核心设计思想，不应认为是对本发明做出的限制。本技术领域的技术人员应当明白，凡在本发明的核心思想之内，所作的任何修改、等同替换、改进等，均应包含于本发明的保护范围。