基于非参数贝叶斯景深估计的水下图像增强方法及装置

专利主权项内容

1.一种基于非参数贝叶斯景深估计的水下图像增强方法，其特征在于，包括以下步骤：S1、输入原始水下降质图像；S2、采用基于归一化统计的颜色修正方法对所述原始水下降质图像进行预处理，以得到颜色修正水下图像；所述步骤S2具体包括：采用基于归一化统计的颜色修正方法对所述原始水下降质图像进行预处理操作，具体运算如下：
(1)其中，m是指颜色通道，其取值是红通道r，绿通道g和蓝通道b；I为原始水下降质图像，I为I的颜色通道，包含红通道I、绿通道I和蓝通道I；I为颜色修正水下图像，为I的颜色通道，包含红通道/>、绿通道/>和蓝通道/>；/>和/>分别为I的均值和方差，µ为调节图像动态范围的参数；mrgbccmS3、采用基于暗通道先验的自然图像去雾方法计算所述颜色修正水下图像的初始传输率与初始景深；所述步骤S3具体包括：采用基于暗通道先验的自然图像去雾方法，即He方法，计算所述颜色修正水下图像I的初始传输率t与初始景深ρ，具体计算如下：c00
(2)
(3)其中，t是通过He方法求解的初始传输率；ρ是对应的初始景深，由初始传输率t的对数与求反两种运算得到；max和min分别是图像像素级的最大化和最小化运算符号；A是全局大气光，由He方法求解得到，A是A的颜色通道，包含红通道A、绿通道A和蓝通道A；000mrgbS4、构建非参数贝叶斯模型，对水下图像景深进行稀疏建模与估计；所述步骤S4具体包括：构建非参数贝叶斯模型对水下图像景深ρ进行稀疏建模与估计，具体实现如下：
(4)其中，ρ是初始景深，下标i表示第i个图像块，ρ为初始景深ρ的第i个向量化图像块，P为每个向量化图像块的维数，R是实数集；为待求解重构的理想景深图像块，D是稀疏表示字典，由[d, d, …, d]构成；d是字典列，在初始化时由独立同分布的高斯函数N(0，PI)产生，且其均值为0，I为/>大小的单位矩阵，K为字典列的个数, k 从1到K中取值；0i0012Kk-1PP
为对应理想景深图像块的稀疏系数，服从Spike-Slab先验分布，即表示为用于确定稀疏系数是否为0的冲激函数δ和是否为非0系数权重的高斯分布/>的组合方式，δ分布对应于Spike项，而高斯分布/>对应于Slab项；根据非参数贝叶斯统计理论，稀疏系数/>的Spike-Slab先验分布是一种显性稀疏性建模方式，既保证系数稀疏性又可得L范数下的稀疏解；参量π为稀疏系数/>的非零概率，表示字典列d被选中稀疏表征景深的概率，以控制/>的稀疏度，并由所有景深图像块共享，服从Beta分布；r是非零系数的高斯分布精度，服从/>分布；ε为景深图像块的高斯噪声，其均值为0，r为高斯噪声分布的精度，服从/>分布；a、b、c、d、e、f为模型的超参数，采用无信息先验设置上述参数；0kkαiε000000采用马尔科夫-蒙特卡洛中的吉布斯采样方法求解模型参数，即在其他变量固定前提下求解当前变量，然后对下一变量进行同样的操作，对所有待求变量进行逐步迭代求解，直至收敛到最终稳定状态，从而得出目前最优的模型参数；通过上述非参数贝叶斯模型，能够估计出准确稀疏的景深ρ；S5、采用基于暗通道先验的自然图像去雾方法计算获得水下增强图像；S6、将景深估计所计算的传输率与获得的水下增强图像进行多尺度融合，得到多尺度精细化的融合图像；S7、将所述多尺度精细化的融合图像作为输出结果。