基于贝尔定律的水下目标光学图像颜色恢复

摘要

对于研究海洋科学的人来说,有时免不了会用到水下摄影。由于水的光学特性,会对水下图像造成一系列的质量影响。不同强度的光以完全不同的速率被水吸收,导致图像偏蓝偏暗。如果图像在水下的衰减程度能够被描述出来,那么就能够利用贝尔定律,对原图像进行处理,从而将图像尽可能恢复到在空气中拍摄到的效果。
　　首先对图像进行预处理。所有标准的数字照相机都自带白平衡功能以及颜色扩展功能,影响本文算法。照相机中的这些扩展功能,大多数情况下无法关闭,同时这些扩展算法都是有专利的而且是非公开的。虽然无法得知照相机中扩展算法的内容,但是我们能够通过计算得出。将这些算法反转,得到反扩展算法,从而消除扩展功能对颜色恢复算法的影响。
　　接下来研究了基于贝尔定律的颜色恢复方法,其最基本的过程是计算漫衰减系数,将漫衰减系数带入贝尔公式中,得出颜色恢复算法。此系数可以从处理多光谱数据或高光谱数据中获得。本文的主要工作是对这一颜色恢复算法进行改善,使得该算法更加精确和经济,从而得到更好的研究结果。
　　一、通过对底部反射率构建补偿函数,使得在底部反射率过大过小的极端情况下也能较好的使用基于贝尔定律的颜色恢复算法;
　　二、以上改进忽略的水中高浓度溶解物对光散射的作用,只考虑吸收作用计算得出的衰减系数是不精确的,想要得到更加精确的衰减系数,需要捕捉由于散射所造成的光的损失。为了提高衰减系数的精度,本次改进使用了 Monte Carlo方法来仿真光在浑水中多次散射传输的过程,通过利用光子随机运动的 Monte Carlo法计算出距离为z处的光辐照度,以此光辐照度作为光的散射补偿,计算出更加精确的漫衰减系数,经过散射补偿后的图像光强度更高,恢复效果更好。利用 Monte Carlo法计算漫衰减系数的颜色恢复优化算法收敛速度较慢,计算时间较长,但能够恢复各种水域情况中由于介质吸收和散射而失真的图像颜色。
　　三、以上改进都是对 RGB图像直接进行颜色恢复,所需要的光谱通道个数较少,恢复效果不理想。为了利用更多的光谱通道个数,提高算法的恢复效果,本次改进利用光谱仪把光谱数据离散化,将照相机获取的 RGB图像转化成了伪高光谱图像,然后对伪高光谱图像进行颜色恢复处理。接下来,把经过处理的这些图像按照正确的比例重新加权,获得新的恢复后的 RGB图像。这个方法需要用到大量的计算机运算,但是能够得到很好的恢复效果。
　　本论文表明,我们采用的水下图像自动颜色恢复算法及应用,在研究海洋科学的目的中,能够增加水下获取的数据的可信度,为海洋事业的研究工作添砖加瓦。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 水下目标光学图像颜色恢复的研究背景及现状

1.2 本文的研究工作和进度安排

2 水下光场理论以及数据采集

2.1 水下光场

2.2 水的光学特性

2.3 水下数据采集

2.4 标准白板

3 数字照相机原理

3.1 分辨颜色

3.2 数字摄像机中的 R、G 和 B

3.3 水下图像复原函数

3.4 图像预处理

3.5 实现

4 基于贝尔定律的颜色恢复算法实现及改进

4.1 颜色恢复基本算法

4.2 对底部反射率影响进行补偿的颜色恢复算法优化

4.3 对水溶性物质影响进行分析的颜色恢复算法优化

4.4 利用 Monte Carlo 法计算漫衰减系数的颜色恢复优化算法

5 对基于贝尔定律颜色恢复改进算法的实验研究

5.1 实验目的及原理

5.2 实验工具

5.3 实验过程

5.4 实验结果及分析

6 与其他算法的比较

6.1 常见颜色恢复算法

6.2 本文方法与其他方法的比较

7 总结

参考文献

致谢

个人简历

发表的学术论文