运用深度低秩非负矩阵分解水下图像复原方法、系统、介质

技术领域

本发明属于图像处理技术领域，尤其涉及一种运用深度低秩非负矩阵分解水下图像复原方法、系统、介质。

背景技术

目前，在水下彩色图像中，一方面，不同波长的光在水中传输的衰减程度不同，造成了物体颜色的偏移和失真；另一方面，水中水分子和悬浮颗粒对光的散射效应，造成水下图像的模糊。目前水下成像技术虽然在一定程度上改善了水下图像的质量，水下图像中存在的这些问题无法满足实际应用需求，阻碍了水下探测和研究的进展。因此，有必要采用图像复原技术，提高水下图像的质量。

图像复原是针对特定图像的特点和存在的问题进行相关处理，改善图像质量的一种方法，主要方法有：(1)基于空域的图像复原方法，如直方图均衡化，均值滤波和中值滤波；(2)基于水下图像的退化机理和光学特性的水下图像复原方法，如基于大气湍流模型和基于水下成像模型水下图像复原方法；(3)基于视网膜皮层的水下图像复原方法，如多尺度Retinex算法；(4)基于小波变换的水下图像复原方法。

其中，直方图均衡化是一种常用的图像复原方法，通过改变图像的直方图来改变图像中各像素的灰度，主要用于增强动态范围偏小的图像的对比度。原始图像由于其灰度分布可能集中在较窄的区间，造成图像不够清晰。例如，过曝光图像的灰度级集中在高亮度范围内，而曝光不足将使图像灰度级集中在低亮度范围内。采用直方图均衡化，可以把原始图像的直方图变换为均匀分布(均衡)的形式，这样增加了像素之间灰度值差别的动态范围，从而达到增大对比度，使图像清晰，达到图像复原的目的。一维图像直方图可以用函数表示为：P(k)＝n

在处理中，将图像转换到对数域，从而将乘积关系转换为和的关系:log S＝logR·L，log S＝log R+log L；Retinex方法的核心就是估测照度L，从图像S中估测L分量，并去除L分量，得到原始反射分量R，即：log R＝log S-log L。

图像复原主要是从有噪声的图像中获得原始图像的估计。估计误差越小，表示图像复原的效果越好。常用的图像复原效果评估标准是均方误差(MeanSquaredError,MSE)和峰值信噪比(PeakSignalto Noise Ratio，PSNR)，公式表示为：

通过上述分析，现有技术存在的问题及缺陷为：现有技术中水下图像存在的颜色失真和噪声影响的问题。

解决以上问题及缺陷的难度为：

针对以上问题，提出了多种图像分析的方法来处理；但是，由于水下特殊的成像机制和复杂的环境，限制了这些算法在实际当中的应用。还有采用特殊的硬件设备来增强水下图像处理的效果，但是硬件设备比较昂贵，操作复杂，同时很难获得同一场景的多幅水下图像，给水下探测和研究带来了很大的困难。

解决以上问题及缺陷的意义为：

随着科技的不断发展和进步，人类认识海洋的进程在不断加快。水下机器人、声纳、激光和雷达等设备都投入到水下的研究中，获得了不同表示形式的数据。其中，图像是一种最直观的表达方式。要处理在海底遇到的各种突发状况，就需要一种简单快速的算法对采集到的图像数据进行实时处理。本发明具有简便和高效的特点，可以有效提高水下图像处理的质量。这对海洋环境保护、海洋资源开发和利用以及海洋军事应用等具有重要的意义。

发明内容

针对现有技术存在的问题，本发明提供了一种运用深度低秩非负矩阵分解水下图像复原方法、系统、介质。

本发明是这样实现的，一种运用深度低秩非负矩阵分解水下图像复原方法，所述运用深度低秩非负矩阵分解水下图像复原方法，包括：

步骤一，将获得的水下图像进行对数变换；将数据规范化到[0,1]区间

步骤二，对变换后的图像数据按照RGB三个通道重排，形成矩阵；并对矩阵进行深度低秩非负矩阵分解，控制分解成三个矩阵；

步骤三，将分解后的最后一个矩阵作为光照分量，与原始图像相乘，得到复原后的图像。

进一步，所述步骤一，具体为：将获得的水下图像f(x,y)进行对数变换，得到z(x,y)。

进一步，所述对f(x,y)进行对数运算，得到z(x,y)由下式表示：

z(x,y)＝ln f(x,y)；

其中，f(x,y)表示原始图像，z(x,y)表示对数变换后的图像。

进一步，所述步骤二中，形成的矩阵为：M＝[R(x,y) G(x,y) B(x,y)]；

其中，R(x，y) G(x，y) B(x，y)分别表示经过对数变换后的RGB通道的像素值。

进一步，所述步骤二中，对矩阵进行深度低秩非负矩阵分解，控制分解成两个矩阵，得到M＝W

进一步，所述对矩阵进行深度低秩非负矩阵分解，深度低秩非负矩阵分解的公式如下：

E＝||M-WH||

其中，E表示分解后的误差，误差越小表示分解后的矩阵WH越接近于原始矩阵M。

进一步，所述低秩约束表示如下：

进一步，所述步骤三，具体为：对H

本发明的另一目的在于提供一种实施所述运用深度低秩非负矩阵分解的水下图像复原系统，所述运用稀疏非负矩阵分解水下图像复原系统包括：

对数变换模块，用于将获得的水下图像进行对数变换；

矩阵扩展分解模块，用于对变换后的图像数据按照RGB三个通道重排，形成矩阵；并对矩阵进行深度低秩非负矩阵分解，控制分解成三个矩阵；

图像处理模块，用于对分解后的最后一个矩阵与原始图像进行乘积运算，得到复原后的图像。

本发明的另一目的在于提供一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行所述运用深度低秩非负矩阵分解水下图像复原方法包括下列步骤：

步骤一，将获得的水下图像进行对数变换；

步骤二，对变换后的图像数据按照RGB三个通道重排，形成矩阵；并对矩阵进行深度低秩非负矩阵分解，控制分解成三个矩阵；

步骤三，对分解后的最后一个矩阵与原始图像进行乘积运算，得到复原后的图像。

本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的运用稀疏非负矩阵分解水下图像复原方法。

结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明中非负矩阵分解方法在图像处理领域有着广泛的用途，水下图像由于介质对不同波长的光的吸收以及水下杂质的影响，水下图像出现色彩偏移和雾化的效果，在深度非负矩阵分解的基础上加上低秩约束复原水下图像，将水下图像的光照分量分离出来。本发明将水下图像的散射分量约束为具有低秩性，保证了图像中的直接光照分量包含水下图像中的有用信息。同时本发明提高了图像的对比度，去除了图像的噪声，处理后水下图像的颜色信息得到增强，其峰值信噪比(PSNR)比直方图均衡和中值滤波都要大，均方误差(MSE)比直方图均衡和中值滤波都要小，水下图像质量得到提高，对改善水下图像质量有一定的实用价值。

附图说明

图1是本发明实施例提供的运用深度低秩非负矩阵分解水下图像复原方法流程图。

图2是本发明实施例提供的运用深度低秩非负矩阵分解水下图像复原流程图。

图3是本发明实施例提供的处理前的水下图像效果图。

图4是本发明实施例提供的直方图均衡化方法处理的效果图。

图5是本发明实施例提供的Retinex算法处理的效果图。

图6是本发明实施例提供的运用深度低秩非负矩阵分解水下图像复原的效果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种运用深度低秩非负矩阵分解的水下图像复原方法、系统、介质，下面结合附图对本发明作详细的描述。

本发明提供的水下图像复原方法业内的普通技术人员还可以采用其他的步骤实施，图1的本发明提供的水下图像复原方法仅仅是一个具体实施例而已。

如图1所示，本发明实施例提供的运用深度低秩非负矩阵分解水下图像复原方法，包括：

S101：将获得的水下图像进行对数变换；

S102：对变换后的图像数据按照RGB三个通道重排，形成矩阵；并对矩阵进行稀疏非负矩阵分解，控制分解成两个矩阵；

S103：对分解后的矩阵进行指数运算，得到分解后的图像，对图像中的像素值进行重排，得到复原后的图像。

本发明实施例提供的S101，具体为：将获得的水下图像f(x,y)进行对数变换，得到z(x,y)；

对f(x,y)进行对数运算，得到z(x,y)由下式表示：

z(x,y)＝ln f(x,y)；

其中，f(x,y)表示原始图像，z(x,y)表示对数变换后的图像。

本发明实施例提供的S102，形成的矩阵为：M＝[R(x,y) G(x,y) B(x,y)]；其中，R(x，y) G(x，y) B(x，y)分别表示经过对数变换后的RGB通道的像素值。

本发明实施例提供的S102，对矩阵进行稀疏非负矩阵分解，控制分解成两个矩阵，得到I＝w

其中，对矩阵进行稀疏非负矩阵分解，稀疏非负矩阵分解的公式如下：

E＝||M-WH||

其中，E表示分解后的误差，误差越小表示分解后的矩阵WH越接近于原始矩阵M。

在矩阵分解的过程中加入低秩约束，控制散射和噪声的影响，低秩约束表示如下：

本发明实施例提供的S103，对H

本发明实施例的运用深度低秩非负矩阵分解水下图像复原系统包括：

对数变换模块，用于将获得的水下图像进行对数变换；

矩阵扩展分解模块，用于对变换后的图像数据按照RGB三个通道重排，形成矩阵；并对矩阵进行深度低秩非负矩阵分解，控制分解成三个矩阵；

图像处理模块，用于对分解后的最后一个矩阵与原始图像进行乘积运算，得到复原后的图像。

下面结合仿真实验对本发明的技术效果作详细的描述。

直方图均衡化，Retinex算法和本发明方法的峰值信噪比(PSNR)和均方误差(MSE)如表1所示：

表1 图像复原方法处理后的水下图像评价指标比较

通过分析水下图像的特点，针对水下图像光照颜色失真，图像模糊等特点，利用深度低秩非负矩阵分解算法对其进行处理。

比较上表中的数据和图3、图4、图5和图6，可以看出，算法引入了更少的失真和噪声；并且可以有效的平衡处理后图像的色调、饱和度和对比度。表面算法具有更好的鲁棒性和有效性，本发明的方法对复原水下图像具有一定的实用价值。

应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。