一、CLD (Channel Difference) 算法详解
由于光在水中传输时的衰减和散射效应, 水下成像系统通常很难达到令人满意的成像效果, 而成像过程中由于光散射产生的背景光则是造成水下图像退化的主要原因[1]。一般的特征提取算法在处理水下图像时效果较差, 本文提出了通道差值法 (CLD) 以解决这类问题。
(一) CLD算法原理
初始种子是基于区域生长的图像分割的重要因素[2]。选择图像的梯度直方图中的峰值像素作为初始种子, 其对应于临界边缘。我们可以得出结论, 在那些像素的8邻域中, 必定存在着一些像素属于目标物, 而其他像素属于背景, 在对种子的像素值求均值之后, 获得8邻域像素与均值之间的微分值。然后, 选择这些差值中的最小值作为增长像素。同时, 将增长像素添加到种子集以获得下一次迭代的新均值。最后几个步骤与区域增长的一般方法类似[3]。基于观察到水下图像的绿色通道比例在背景区域中高于目标区域的技巧被用于解决上述问题, 获得正确的目标和背景区域标签。
如上所述, 使用基于迭代阈值的预处理来切断噪声区域, 从而获得用于形态学处理的更集中的区域。后来的研究者Yang[4]用以下公式来检测目标的边缘:
(二) CLD算法提取黑白倾斜刃边流程
通道差值法 (Channel Difference) 提取黑白倾斜刃边可分为以下步骤:
(1) 使用区域增长和形态学提取背景和目标的区域;
(2) 检测目标区域和背景区域中像素的RGB值的比率;
(3) 分别分析目标物和背景之间的RGB通道比率差异, 选择差值在同正负集中密集程度高的通道;
(4) 将选择的通道用于未知图像的目标区域与背景区域的区分, 并检测出倾斜刃边图像的白色区域;
(5) 将检测到的白色区域以长边的中点为中心旋转180度, 得到刃边图像的黑色区域。
二、实验结果分析
本文分别选取了坐标为 (0.5m, 0, 0) 、 (1.0m, 0, 0) 、 (0.5m, 0.2m, 0) 处的目标倾斜刃边图像做提取实验, 实验效果如图1。
三、结论
本文中提出了用于水下目标特征提取的CLD (通道差值法) 算法, 通过对倾斜刃边图像的提取的实验, 可以看到该算法的效果较为理想, 为下一步建立水下探测系统的MTF评价标准做准备。
摘要:由于光在水下传输时的衰减和散射效应, 用摄像头拍摄到的水下图像分辨率低, 成像效果差。水下图像的模糊特征使得普通的边缘提取算法对目标区域的提取效果并不好。本文提出了通道插值算法 (CLD) , 用来检测提取实验所需的倾斜刃边图像, 为下一步建立水下质量评价的MTF体系做准备。
关键词:水下图像,边缘提取,CLD算法,倾斜刃边
参考文献
[1] Ferzli Rony, Karam Lina J.A no-reference objective image sharpness metric based on the notion of just noticeable blur (JNB) .[J].IEEE Transactions on Image Processing, 2009, 18 (4) .
[2] 李铁成, 陶小平, 冯华君, 徐之海.基于倾斜刃边法的调制传递函数计算及图像复原[J].光学学报, 2010, 30 (10) :2891-2897.
[3] Garcia Ugarriza L, Saber E, Vantaram S R, et al.Automatic Image Segmentation by Dynamic Region Growth and Multiresolution Merging[J].IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society, 2009, 18 (10) :2275-2288.
[4] Yang M, Sowmya A.New Image Quality Evaluation Metric for Underwater Video.IEEE Signal Processing Letters, 2014, 21 (10) :1215-1219.