[go: up one dir, main page]

CN115526810B - 一种水下图像的增强方法 - Google Patents

一种水下图像的增强方法 Download PDF

Info

Publication number
CN115526810B
CN115526810B CN202211381251.XA CN202211381251A CN115526810B CN 115526810 B CN115526810 B CN 115526810B CN 202211381251 A CN202211381251 A CN 202211381251A CN 115526810 B CN115526810 B CN 115526810B
Authority
CN
China
Prior art keywords
image
value
column
pixel
matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211381251.XA
Other languages
English (en)
Other versions
CN115526810A (zh
Inventor
张�浩
田艳兵
巩玉玺
邓兆鹏
赵浩然
朱文杰
孙中卫
徐新立
曲良波
刘秀燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao University of Technology
Original Assignee
Qingdao University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qingdao University of Technology filed Critical Qingdao University of Technology
Priority to CN202211381251.XA priority Critical patent/CN115526810B/zh
Publication of CN115526810A publication Critical patent/CN115526810A/zh
Application granted granted Critical
Publication of CN115526810B publication Critical patent/CN115526810B/zh
Priority to KR1020230084791A priority patent/KR102790958B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G06T3/4069—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution by subpixel displacements
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本申请属于图像分析技术领域，特别涉及一种水下图像的增强方法，包括如下步骤：将原图像遍历，找到其中距离待增强像素点最近的n2个像素点的位置；计算列向插入点的值，计算行向插入点的值；该点的像素值为经列向和行向计算后的值，并插入到原来图像中；将原图像中所有遍历的点的像素值根据需要插入更多个点，得到包含原图像所有像素点，和新插入像素点的像素值的新图像，新图像为原图像的增强图像。本发明公开的方法能够提高图像增强的准确度。

Description

一种水下图像的增强方法
技术领域
本发明属于图像分析技术领域，特别涉及一种水下图像的增强方法。
背景技术
在海洋水下图像的分析过程中，由于海水干扰，和相机本身的因素，导致拍摄到水下图像的分辨率有限，影响海水水下图像的分析结果。海水水下图像的增强方法，是海洋水下图像分析所必须的，是目前国内海洋水下图像分析的核心。
在实际作业过程中发现，海洋环境的变化对海洋水下图像的测量存在干扰，其现象是图像不够清晰，即使在采集到海水水下图像的基础上，也不能识别出水下图像的真正的物体。通常在水下图像检测过程中，先对图像进行增强。基于以上原因，现有的用于检测海水水下图像的增强方法，不具有实时性。因此，为得到真正海水水下图像的检测结果，现场测量必须找到一种水下图像的增强方法，并确定每个像素点在图像中的位置。
发明内容
为解决上述技术问题，本发明提供了一种水下图像的增强方法，以达到提高图像分析的效率和准确度的目的。
为达到上述目的，本发明的技术方案如下：
一种水下图像的增强方法，包括如下步骤：
S1.将原图像遍历，找到其中距离待增强像素点最近的n2个像素点的位置构建n*n矩阵；
S2.计算列向插入点的值；
S3.根据n个列向插入点的值，计算行向插入点的值；
S4.待插入点的像素值为经列向和行向计算后的值，并插入到原来图像中。
优选的，找到其中距离待增强像素点最近的16个像素点的位置，构建4*4矩阵，即n=4。
优选的，计算列向插入点的值，第i列具体公式如下：
Yi=bi+(ci-1)*x/2+(ai-5*bi/2+ci*2-di/2)*x2+(3*bi/2-3*ci/2+di/2-ai/2)*x3
其中，i=（1,2,3,4），系数ai,bi,ci,di为4*4矩阵的行向量的值，x为列向的比例系数，x为大于0，小于1。
优选的，根据4个列向插入点的值，计算行向插入点的值，具体公式如下：
Y=Y2+(Y3-1)*k/2+(Y1-5*Y2/2+Y3*2-Y4/2)*k2+(3*Y2/2-3*Y3/2+Y4/2-Y1/2)*k3
其中，系数Y1,Y2,Y3,Y4分别为在上一步中4*4矩阵的列向量的值，k为行向的比例系数，k为大于0，小于1。
优选的，遍历所有待插入点，找到对应位置的周围像素点，计算该待插入点的像素值，增加该位置的像素点，并赋值。
有益效果
本发明提供的一种水下图像的增强方法不受累积时间的限制，也不受海洋环境干扰的限制，能够快速识别添加海水水下图像中像素点的位置的像素点的值，达到提高水下图像分析的效率和准确度的目的。
附图说明
图1为本发明实施例所公开的一种水下图像的增强方法流程示意图。
图2为本发明实施例所公开的图像增强待插入像素点的位置。
图3本申请效果图。
图4为没有采用任何方法处理的原始图片。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
本发明实施例提供了一种水下图像的增强方法，如图1-图2所示，包括如下步骤：
（1）采用现有技术将原图像遍历，找到其中距离待增强像素点最近的n2个像素点的位置，n2个像素点为距离待增强像素点上、下、左、右最近邻的n2个点，本实施例用n=4，当然，n可以是大于2的任一自然数。本领域技术人员可以了解，插入像素点越多，图像会越清楚，当然结果也会越准确。如何寻找图像像素点的最值以及位置坐标为现有技术（https://blog.csdn.net/weixin_51326570/article/details/114418353）。
在本实施实例中，找到待插入点周围最近邻的16个像素点，构成4*4的矩阵，矩阵为表1。
表1 周围最近邻的16个像素点构成4*4的矩阵
1 3 3 4
7 2 3 4
1 6 3 6
2 5 7 2
（2）计算列向插入点的值，具体公式如下：
用仿真软件matlab拟合第i列公式：
Yi=bi+(ci-1)*x/2+(ai-5*bi/2+ci*2-di/2)*x2+(3*bi/2-3*ci/2+di/2-ai/2)*x3
其中，i=（1,2,3,4），系数ai,bi,ci,di为4*4矩阵的行向量的值，x为列向的比例系数，x=0.2。
a1,b1,c1,d1分别为第一行的四个数据值，1,3,3,4；代入到公式中，计算后得到列向的插入值为3.112；a2,b2,c2,d2为第二行的四个数据值，7,2,3,4；代入到公式中，计算后得到数据值1.816；a3,b3,c3,d3为第三行的四个数据值，代入到公式中，计算后得到数据值5.816；a4,b4,c4,d4为第四行的四个数据值，2,5,7,2；代入到公式中，计算后得到数据值5.576。
（3）根据4个列向插入点的值，用仿真软件matlab拟合，计算行向插入点的值；具体公式如下：
Y=Y2+(Y3-1)*k/2+(Y1-5*Y2/2+Y3*2-Y4/2)*k2+(3*Y2/2-3*Y3/2+Y4/2-Y1/2)*k3;
其中，系数Y1,Y2,Y3,Y4分别为在上一步中4*4矩阵的列向量的值 ，k为行向的比例系数，k为大于0，小于1的数。
例如：本例中，上一步计算得到四个列向的值为，Y1=3.112, Y2=1.816, Y3=5.816,Y4=5.576；k为行向的比例系数，本例为0.1；代入到公式中，计算得到最终的像素点的值为2.02059。
（4）该点的像素值为经列向和行向计算后的值，并插入到原来图像中；把上一步的计算结果插入到图像对应的位置中。
在本实施例中，这是其中一个点的计算结果，遍历所有待插入点，找到对应位置的周围像素点，计算该待插入点的像素值，增加该位置的像素点，并赋值。
以10×10像素插值变为17×17像素为例，假设表2为10×10像素的矩阵，使用（1,1）（1,2）（1,3）（1,4）；（2,1）（2,2）（2,3）（2,4）；（3,1）（3,2）（3,3）(3,4);(4,1)(4,2)(4,3)(4,4)插值计算，New1- New49的值可以通过公式Yi和公式Y计算获得表5，表3为10*10矩阵行列像素值，表4为17*17矩阵待插入点，表5为待插入点计算结果，表6为插入之后的17*17矩阵行列像素值。
表2 10*10像素的矩阵
1 2 3 4 5 6 7 8 9 10
2
3
4
5
6
7
8
9
10  
表3 10*10矩阵行列像素值
1 3 3 4 5 6 1 2 4 3
7 2 3 4 3 7 6 2 7 2
1 6 3 6 4 8 5 3 4 4
2 5 7 2 6 5 4 4 3 6
2 6 8 5 5 4 3 5 1 5
3 5 7 4 1 1 5 6 1 9
2 3 4 1 2 3 1 4 2 8
5 8 4 2 4 2 2 2 3 5
4 4 2 5 8 6 4 5 2 3
5 1 7 3 4 3 4 1 5 4
表4 17*17矩阵待插入点
1 2 3 4 5 6 7 8 9 10
2
New1 New2 New3 New4 New5 New6 New7
3
New8 New9 New10 New11 New12 New13 New14
4
New15 New16 New17 New18 New19 New20 New21
5
New22 New23 New24 New25 New25 New27 New28
6
New29 New30 New31 New32 New33 New34 New35
7
New36 New37 New38 New39 New40 New41 New42
8
New43 New44 New45 New46 New47 New48 New49
9
10  
表5 待插入点计算结果
1 3 3 4 5 6 1 2 4 3
7 2 3 4 3 7 6 2 7 2
2.71164 3.46525 4.34425 4.08888 7.73215 6.00872 3.20027
1 6 3 6 4 8 5 3 4 4
6.01090 4.11090 6.04496 5.29889 8.30416 5.35353 3.58273
2 5 7 2 6 5 4 4 3 6
5.98180 7.06026 3.20359 6.42748 5.46433 4.47119 4.28002
2 6 8 5 5 4 3 5 1 5
6.92822 8.46430 5.63689 5.21078 4.15102 3.87956 4.90043
3 5 7 4 1 1 5 6 1 9
5.75461 7.22158 3.93553 1.15580 1.72688 5.44075 5.68896
2 3 4 1 2 3 1 4 2 8
3.82024 3.99032 1.34810 2.38644 2.83169 1.64766 3.83592
5 8 4 2 4 2 2 2 3 5
8.07048 4.14380 2.79101 4.35463 2.51047 2.29618 2.48116
4 4 2 5 8 6 4 5 2 3
5 1 7 3 4 3 4 1 5 4
表6 插入之后的17*17矩阵行列像素值
从表2和表6中对比可以看出，表6的像素点增多了，一张图片所包含的像素点越多，分辨率越高，图像就越清晰。
图4为原始图片，采用本申请的方法进行处理后得到图3，其分辨率明显得到改善。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (1)

1.一种水下图像的增强方法，其特征在于，包括如下步骤：
S1.将原图像遍历，找到其中距离待增强像素点最近的n2个像素点的位置构建n*n矩阵，当n＝4时，构4*4矩阵；
S2.计算列向插入点的值；
第i列具体公式如下：
Yi＝bi+(ci-1)*x/2+(ai-5*bi/2+ci*2-di/2)*x2+(3*bi/2-3*ci/2+di/2-ai/2)*x3
其中，i＝(1,2,3,4)，系数ai,bi,ci,di为4*4矩阵的行向量的值，x为列向的比例系数，x为大于0，小于1；
S3.根据n个列向插入点的值，计算行向插入点的值，具体公式如下：
Y＝Y2+(Y3-1)*k/2+(Y1-5*Y2/2+Y3*2-Y4/2)*k2+(3*Y2/2-3*Y3/2+Y4/2-Y1/2)*k3
其中，系数Y1,Y2,Y3,Y4分别为在上一步中4*4矩阵的列向量的值，k为行向的比例系数，k为大于0，小于1；
S4.待插入点的像素值为经列向和行向计算后的值，并插入到原来图像中；
遍历所有待插入点，找到对应位置的周围像素点，计算该待插入点的像素值，增加该位置的像素点，并赋值。
CN202211381251.XA 2022-11-07 2022-11-07 一种水下图像的增强方法 Active CN115526810B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211381251.XA CN115526810B (zh) 2022-11-07 2022-11-07 一种水下图像的增强方法
KR1020230084791A KR102790958B1 (ko) 2022-11-07 2023-06-30 수중 이미지의 증강 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211381251.XA CN115526810B (zh) 2022-11-07 2022-11-07 一种水下图像的增强方法

Publications (2)

Publication Number Publication Date
CN115526810A CN115526810A (zh) 2022-12-27
CN115526810B true CN115526810B (zh) 2023-04-07

Family

ID=84705166

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211381251.XA Active CN115526810B (zh) 2022-11-07 2022-11-07 一种水下图像的增强方法

Country Status (2)

Country Link
KR (1) KR102790958B1 (zh)
CN (1) CN115526810B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005001749A1 (en) * 2003-06-27 2005-01-06 Lp Technologies (Shanghai) Inc. Method of enhancing digital image information of two-dimensional bar code
CN104463814A (zh) * 2014-12-08 2015-03-25 西安交通大学 基于局部纹理方向性的图像增强方法
CN109727196A (zh) * 2018-12-26 2019-05-07 呈像科技(北京)有限公司 图像内插处理方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160116715A (ko) * 2015-03-31 2016-10-10 국민대학교산학협력단 증강현실 기반의 해양 모니터링 시스템, 서버 및 그 방법
FR3050598B1 (fr) * 2016-04-26 2020-11-06 Bcom Procede de decodage d'une image numerique, procede de codage, dispositifs, et programmes d'ordinateurs associes
CN115291179B (zh) * 2022-08-24 2024-04-26 北京航空航天大学 斜视sar二维分辨率分析方法、电子设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005001749A1 (en) * 2003-06-27 2005-01-06 Lp Technologies (Shanghai) Inc. Method of enhancing digital image information of two-dimensional bar code
CN104463814A (zh) * 2014-12-08 2015-03-25 西安交通大学 基于局部纹理方向性的图像增强方法
CN109727196A (zh) * 2018-12-26 2019-05-07 呈像科技(北京)有限公司 图像内插处理方法

Also Published As

Publication number Publication date
KR102790958B1 (ko) 2025-04-02
KR20240066047A (ko) 2024-05-14
CN115526810A (zh) 2022-12-27

Similar Documents

Publication Publication Date Title
CN103426184B (zh) 一种光流跟踪方法和装置
CN108648161B (zh) 非对称核卷积神经网络的双目视觉障碍物检测系统及方法
CN104252700B (zh) 一种红外图像的直方图均衡化方法
CN104933678B (zh) 一种基于像素强度的图像超分辨率重建方法
CN107301664A (zh) 基于相似性测度函数的改进局部立体匹配方法
CN108460792B (zh) 一种基于图像分割的高效聚焦立体匹配方法
CN109215118B (zh) 一种基于图像序列的增量式运动结构恢复优化方法
CN107871321B (zh) 图像分割方法及装置
CN116310131B (zh) 一种考虑多视图融合策略的三维重建方法
CN111814792B (zh) 一种基于rgb-d图像的特征点提取与匹配方法
CN115439571A (zh) 一种适用于线阵推扫式卫星影像核线影像生成方法及装置
CN115526810B (zh) 一种水下图像的增强方法
CN111325778B (zh) 基于窗口互相关信息的改进Census立体匹配算法
CN119741359B (zh) 一种高分辨图像中兴趣区域的边界周长计算方法
CN113870308A (zh) 一种螺旋梯度优化估计的弱小目标检测方法
CN120451444A (zh) 一种基于多视图与深度学习的文物工艺品三维重建方法
Lin et al. Matching cost filtering for dense stereo correspondence
Haque et al. Robust feature-preserving denoising of 3D point clouds
CN111754428B (zh) 基于各向异性梯度模型的图像增强方法及系统
CN113658041A (zh) 一种基于多图特征联合匹配的图像快速拼接方法
CN101986347A (zh) 一种立体视觉的序列重构方法
CN119579670B (zh) 基于机器视觉的航空发动机零部件尺寸检测方法及系统
CN119180907B (zh) 基于多曝光图像边缘检测的三维重建方法
CN113610964B (zh) 一种基于双目视觉的三维重建方法
Zhang et al. A novel algorithm for disparity calculation based on stereo vision

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20221227

Assignee: QINGDAO HYZLIN BIOLOGY DEVELOPMENT Co.,Ltd.

Assignor: Qingdao University of Technology

Contract record no.: X2025980034734

Denomination of invention: A method for enhancing underwater images

Granted publication date: 20230407

License type: Common License

Record date: 20251117

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20221227

Assignee: QINGDAO ZHIQIANG INFORMATION INDUSTRY Co.,Ltd.

Assignor: Qingdao University of Technology

Contract record no.: X2025980040260

Denomination of invention: A method for enhancing underwater images

Granted publication date: 20230407

License type: Common License

Record date: 20251201

EE01 Entry into force of recordation of patent licensing contract