自监督的水面图像增强方法及相关设备与流程

1.本发明涉及无人船视觉感知技术领域，尤其涉及一种自监督的水面图像增强方法及相关设备。


背景技术：

2.无人船的自主航行是智能化的体现，实现过程依赖于无人船对周围环境的感知能力。视觉系统经常在无人船的感知系统中使用，然而视觉功能在光线较暗环境下时常受限，严重影响无人船对周围环境的感知能力，进而影响无人船的自主航行。现用技术通常会对暗光图像进行图像质量增强，降低图像噪声。常用的暗光图像传统算法包含中值滤波算法，分数阶滤波算法和单尺度retinex算法。传统暗光图像增强算法不区分噪声点和信号点，而是对图像所有像素点进行统一处理，故去噪的同时也可能滤除信号点，这使得图像边缘细节大幅丢失，使图像模糊化。另外考虑到水面场景的特点：水面的反射会造成水面低照度图像中更多的反射区域和更强的反射亮度，给图像增强带来更大困难；并且水面会使得物体表面的纹理变得更加粗糙模糊，特别是在低照度条件下，这会对基于纹理的图像增强方法带来不利影响。因此，本发明基于水面场景的特点，提出了一种自监督的水面图像增强方法及相关设备，利于水面的反光特性，能够在水面暗光场景对摄像头图像进行有效地图像增强，提高无人船在夜晚的视觉感知能力。


技术实现要素：

3.本发明所要解决的技术问题在于提供一种自监督的水面图像增强方法及相关设备，用以克服经典中值滤波去噪及传统分数阶滤波增强会使图像模糊化及增强效果不明显的缺点，通过有效地调整水面图像细节，改善因水面图像中的信号-噪声比（snr）较低而导致图像的细节和边缘不够清晰的问题。
4.为解决上述技术问题，本发明采用如下所述的技术方案：一种自监督的水面图像增强方法，其包括有如下步骤：利用分数阶中值滤波器、分数阶微分滤波器对水面图像进行图像去噪与增强，在去噪与增强过程中，分数阶中值滤波器和分数阶微分滤波器的参数根据图像的特征信息自适应调整；对去噪后的水面图像进行图像初步增强，利用水面亮度细节增益因子和调整映射来提高图像的整体对比度、调整水面图像反光位置区域的对比度以及抑制光晕；利用引导滤波和多尺度亮度增强方法增强图像亮度；利用水面亮度细节增益因子增强图像细节；利用裁剪直方图均衡化方法增强图像对比度；根据原始图像的光照信息，对增强后的图像进行光照补偿；对增强后的图像进行伪影去除、平滑滤波和归一化处理。
5.一种自监督的水面图像增强装置，包括有图像去噪模块、图像初步增强模块、图像亮度增强模块、图像细节增强模块、图像对比度增强模块、光照补偿模块和图像后处理模块；图像去噪模块用于利用分数阶中值滤波器、分数阶微分滤波器对水面图像进行图像去噪与增强，在去噪与增强过程中，分数阶中值滤波器和分数阶微分滤波器的参数根据图像
的特征信息自适应调整；图像初步增强模块用于对经过图像去噪模块处理的水面图像进行图像初步增强，利用水面亮度细节增益因子和调整映射来提高图像的整体对比度、调整水面图像反光位置区域的对比度以及抑制光晕；图像亮度增强模块用于利用引导滤波和多尺度亮度增强方法增强图像亮度；图像细节增强模块用于利用水面亮度细节增益因子增强图像细节；图像对比度增强模块用于利用裁剪直方图均衡化方法增强图像对比度；光照补偿模块用于根据原始图像的光照信息，对增强后的图像进行光照补偿；图像后处理模块用于对增强后的图像进行伪影去除、平滑滤波和归一化处理。
6.一种电子设备，其包括有至少一个处理器以及与所述处理器通信连接的至少一个存储器，其中，所述存储器存储有程序指令，所述程序指令被所述处理器调用执行时实现上述的自监督的水面图像增强方法。
7.一种计算机存储介质，其存储有程序指令，所述程序指令被处理器执行时实现上述的自监督的水面图像增强方法。
8.本发明的有益技术效果在于：本发明利用分数阶中值滤波器、分数阶微分滤波器对水面图像进行图像去噪与增强；引入水面亮度细节增益因子并与调整映射相结合，保护水面图像反光位置对比度；采用引导滤波估计图像入射分量，结合多尺度亮度增强方法增强图像亮度；引入裁剪直方图均衡化方法，完成图像的水面纹理细节的增强；在去噪与增强过程中，分数阶中值滤波器和分数阶微分滤波器的参数根据图像的特征信息自适应调整，既可以有效去除噪点，又能保留正常像素点，对图像边缘细节增强更明显，纹理细节更突出，克服了经典中值滤波去噪及传统分数阶滤波增强会使图像模糊化及增强效果不明显的缺点，改善了因水面图像中的信号-噪声比（snr）较低而导致图像的细节和边缘不够清晰的问题。
附图说明
9.图1为本发明的自监督的水面图像增强方法的流程示意图。
10.图2为本发明的自监督的水面图像增强装置的结构示意图。
具体实施方式
11.为使本领域的普通技术人员更加清楚地理解本发明的目的、技术方案和优点，以下结合附图和实施例对本发明做进一步的阐述。
12.如图1所示，在本发明一个实施例中，自监督的水面图像增强方法包括有步骤s10～步骤s70：s10、利用分数阶中值滤波器、分数阶微分滤波器对水面图像进行图像去噪与增强。
13.本步骤用于对输入的水面图像进行去噪，再对图像进行滤波增强处理，以消除图像中的噪声和其他干扰因素。在图像去噪过程中，正确判断噪声点是去噪的关键。步骤s10具体包括步骤1.1-1.4。
14.1.1 计算局部方差：对输入的水面图像的每个像素，计算其邻域内的局部方差。可以选择不同大小的邻域窗口，如3x3、5x5等。
15.1.2 计算分数阶参数：根据局部方差，计算每个像素的分数阶参数。分数阶参数用于调整所述分数阶中值滤波器的强度。局部方差较大的区域可能存在噪点，因此，局部方差较大的区域，分数阶参数应较小，以便更强烈地去除噪点。可以使用如下公式计算分数阶参数：α = 1
ꢀ‑ꢀ
exp(-k x σ2)其中，α为分数阶参数，σ2为局部方差，k为调节参数，可根据实际情况手动设置或自动计算。
16.1.3 分数阶中值滤波：对每个像素，应用分数阶中值滤波。将像素的邻域值进行排序，然后根据分数阶参数α计算分数阶中值，具体计算方法如下：m = m_min + α x (m_max
ꢀ‑ꢀ
m_min)；其中，m为分数阶中值，m_min和m_max分别为排序后的邻域值的最小值和最大值。最后用分数阶中值替换中心像素，得到去噪后的图像。
17.对于边缘和纹理区域，分数阶中值滤波可能会导致细节丢失。为解决这一问题，可以引入自适应调整机制，用于在应用分数阶中值滤波时调整分数阶参数。对于每个像素，计算其局部梯度，然后根据像素的局部梯度调整所述分数阶参数。如果局部梯度较高（即在边缘或纹理区域），则在计算分数阶中值时增大α值，以保留细节信息。具体调整方法可根据实际情况设计，例如，在消除高斯白噪声时，推荐的分数阶参数为0.1~0.5，这样可以提供较好的噪声抑制效果，但会略微损失图像细节；在消除椒盐噪声时，推荐的分数阶参数为0.5~0.9，这样可以较好地保留图像细节，但噪声抑制效果稍差；如果图像中同时包含高斯白噪声和椒盐噪声，可以考虑采用自适应的分数阶滤波方法，使用不同的分数阶参数处理不同类型的噪声，以达到最佳的滤波效果。
18.1.4 分数阶微分滤波：利用分数阶微分滤波器对去噪后的图像进行增强。在水面图像中，由于光照不足，图像可能存在噪声和模糊等问题。分数阶微分可以对这些问题进行更好的处理和优化。分数阶微分（fractional-order differentiation）是对传统微积分中的整数阶微分进行了扩展，引入了实数阶微分的概念，它可以更好地描述非局部和非平稳信号。分数阶微分可以通过增强图像边缘信息和细节来改善水面图像的质量，使图像更加清晰和易于观察。
19.应用基于分数阶导数的锐化滤波：该方法将图像锐化滤波器中的整数阶导数扩展到实数阶导数，从而提高了对图像边缘和细节的保留能力，使得增强后的图像更具有清晰度和对比度。该方法可以通过如下公式实现：f' (x,y) = c x ( f(x+1,y)
ꢀ‑ꢀ
f(x,y) ) / |x+1-y|
β
公式中，f' (x,y) 表示增强后的图像像素值，f(x,y) 表示原始图像像素值，c 表示常数，β表示分数阶微分的阶数，|x+1-y| 表示横向和纵向像素之间的距离。
20.当β取整数时，公式转换成了常见的整数阶导数形式。当β取实数时，则可以实现更加精细的边缘保留和噪声去除。
21.具体来说，当β取小于1的值时，公式对边缘进行保留，同时对噪声进行抑制，从而实现图像的增强；而当β取大于1的值时，则可以更好的对边缘进行增强和突出，使图像更具有立体感和层次感。
22.公式中，横向和纵向像素之间的距离 |x+1-y| 是为了确保分母不为0而引入的，同时它也可以控制分数阶微分的尺度和范围。当距离值越大时，分数阶微分的尺度就越大，对较大的边缘进行保留和增强；而当距离值越小时，分数阶微分的尺度就越小，对细节和小边缘进行保留和增强。
23.应用分数阶微分滤波，可以实现对低对比度和水面图像的增强和优化，具有广泛的应用前景和研究价值。
24.通过以上步骤1.1-1.4，可以实现对输入的水面图像去噪与增强，在去噪与增强过程中，分数阶中值滤波器和分数阶微分滤波器的参数根据图像的特征信息自适应地调整，既可以有效去除噪点，又能保留正常像素点，对图像边缘细节增强更明显，纹理细节更突出。
25.s20、对去噪后的水面图像进行图像初步增强，利用水面亮度细节增益因子和调整映射来提高图像的整体对比度、调整水面图像反光位置区域的对比度以及抑制光晕。
26.步骤s20具体包括步骤2.1-2.5。
27.2.1 分析图像细节：从经过步骤s10去噪与增强的图像中提取高频细节，可通过高通滤波器如laplacian、sobel、prewitt等实现。
28.2.2 计算局部对比度：利用提取的高频细节计算局部对比度。本实施例用局部方差或梯度幅度来表示图像的局部对比度，有助于在水面图像反光位置区域保持对比度，同时抑制裁剪效应和光晕。
29.2.3 计算水面亮度细节增益因子：水面亮度细节增益因子可以根据局部对比度来计算。水面亮度细节增益因子可以通过将局部对比度除以全局对比度得到，其中，全局对比度可以采用灰度直方图的标准差或方差来表示。
30.2.4 增强图像对比度：应用调整映射（如直方图均衡化、对比度拉伸或对数映射等）来提高图像的整体对比度。同时，将水面亮度细节增益因子应用于每个像素的强度值，以调整水面图像反光位置区域的对比度，从而以便在水面图像反光位置区域增强对比度。
31.2.5 抑制光晕：为了抑制光晕现象，可以采用双边滤波器或引导滤波器等方法。这些滤波器在保持边缘信息的同时，可以平滑图像区域，有效降低光晕现象。
32.s30、利用引导滤波和多尺度亮度增强方法增强图像亮度。
33.经过上述步骤s10、s20，完成对水面图像去噪和初步增强，步骤s30将图像的r、g以及b共3种色彩分别利用多尺度亮度增强方法校正，将其进行合成，以此来增强图像的亮度。应用多尺度亮度增强方法，需先将初始待增强图像进行颜色空间的转变，将水面的图像从rgb空间模型内转变至hsi空间模型内，hsi色彩空间是从人的视觉系统出发，用色调（hue）、色饱和度（saturation或chroma）和亮度（intensity或brightness）来描述色彩。
34.步骤s30具体包括步骤3.1-3.5。
35.3.1 颜色空间转换：将初步增强后的水面图像从rgb色彩空间转换到hsi色彩空间。这个过程包括计算
每个像素的色调（hue）、饱和度（saturation）和强度（intensity）分量。转换公式如下：h(x, y) = acos((0.5 x [(r(x, y)
ꢀ‑ꢀ
g(x, y)) + (r(x, y)
ꢀ‑ꢀ
b(x, y))]) / sqrt((r(x, y)
ꢀ‑ꢀ
g(x, y))^2 + (r(x, y)
ꢀ‑ꢀ
b(x, y)) x (g(x, y)
ꢀ‑ꢀ
b(x, y))))；s(x, y) = 1
ꢀ‑ꢀ
3 x min(r(x, y), g(x, y), b(x, y)) / (r(x, y) + g(x, y) + b(x, y))；i(x, y) = (r(x, y) + g(x, y) + b(x, y)) / 3；其中，r(x, y) 、 g(x, y)、 b(x, y)分别表示rgb色彩空间中的r、g、b通道的二维矩阵坐标，h(x, y)、s(x, y)和i(x, y)分别表示hsi色彩空间中的色调、饱和度和强度分量。
[0036]
3.2 计算图像平均亮度：在hsi色彩空间（hue, saturation, intensity）中，使用强度分量（intensity）来计算图像的平均亮度。以下是在hsi色彩空间计算图像平均亮度的步骤：3.2.1 计算强度分量之和：遍历hsi图像的强度分量，计算像素值之和，用以下公式表示：σ = ∑(x, y) i(x, y)， 其中，σ表示强度分量之和，(x, y)表示图像中的坐标。
[0037]
3.2.2 将强度分量之和除以图像中的像素总数，得到图像的平均亮度，计算公式如下：l = σ / (width x height) 其中，l表示平均亮度，width和height分别表示图像的宽度和高度。通过以上步骤，在hsi色彩空间中可以计算出图像的平均亮度，这个值可以用于分析图像的亮度分布、进行图像增强等操作。
[0038]
3.3 确定亮度增强的参考权重：亮度增强的参考权重是用于调整图像亮度增强程度的一个系数，可以根据图像的特点和增强目标进行设置。在处理图像时，可以将参考权重与其他因素相结合，以达到期望的亮度增强效果。以下是确定亮度增强的参考权重的步骤：3.3.1 分析图像亮度分布：首先，通过计算图像的平均亮度、直方图分布等统计特征，分析输入图像的亮度分布。这些统计特征有助于了解图像的整体亮度水平和对比度状况。
[0039]
3.3.2 设定亮度增强目标：亮度增强目标包括提高整体亮度、增强局部对比度、调整特定亮度区间等，亮度增强目标应根据图像内容和应用需求进行选择。
[0040]
3.3.3 计算参考权重：基于分析的亮度特征和设定的亮度增强目标，计算亮度增强的参考权重。参考权重可以根据实际情况调整，参考权重可以是固定值，也可以是根据图像特征动态调整的。例如，对于暗部区域较多的图像，可以设置较高的参考权重以增强亮度；而对于亮部区域较多的图像，可以设置较低的参考权重以保持细节。
[0041]
通过以上步骤3.3.1
ꢀ‑
3.3.3，可以确定亮度增强的参考权重，将其应用于图像处理过程中，有助于实现针对性的亮度增强，同时保持图像的自然感和细节信息。具体来说，可以将亮度增强的参考权重与其他增强因子（如对比度调整、色彩平衡等）相结合，共同作用于图像的亮度增强。这样，可以在保持图像自然感的同时，实现所需的亮度增强效果。
[0042]
3.4 线性饱和度分量的拉伸处理：对hsi色彩空间中的饱和度分量进行线性拉伸。这可以通过将饱和度分量的值映射到一个新的范围来实现。将原始饱和度分量的值乘以一个拉伸系数（大于1），然后将结果限制在合适范围内。
[0043]
图像的饱和度大小反映出颜色深浅，在不同的外界条件下获取的水面图像，其图像饱和度s拉伸不同，采用饱和度s的线性拉伸方法，将其提升至最佳效果，具体公式如下：
[0044]
式中，max(r，g，b)与min(r，g，b)二者分别代表r、g、b所有颜色的极大值和极小值，s代表在低光照射下平均需要增强的饱和度，mv表示图像在原始的低光照下均值，s
´
代表图像经过线性拉伸后的饱和度。
[0045]
3.5将引导滤波应用于多尺度亮度增强方法实现图像亮度增强：引导滤波（guidedfilter）是一种线性时变滤波器，采用了局部线性模型来拟合图像，使得滤波后的输出图像在结构上接近引导图像。使用一幅引导图像来决定滤波器的输出，考虑像素之间的相似性，根据像素间的距离和灰度值差异对滤波权重进行调整。在边缘区域，像素间的灰度值差异较大，引导滤波会自动降低权重，从而保留边缘信息。
[0046]
多尺度亮度增强方法是一种基于人类视觉系统的图像增强算法，用于改善图像的亮度和对比度。将引导滤波应用于多尺度亮度增强方法,能够很好地适应图像中的边缘和纹理变化，从而提高图像质量。
[0047]
以下是将引导滤波应用于多尺度亮度增强方法的步骤：3.5.1转换为灰度图像：如果输入图像是彩色的，首先将其转换为灰度图像。这有助于简化后续步骤的处理。
[0048]
3.5.2创建滤波器组：为实现多尺度亮度增强方法，创建一组具有不同半径的引导滤波器。输入图像i和滤波器半径radius，eps为滤波强度，对每个滤波半径r，在图像i上计算均值i_mean，方差i_var和相关性ip，该均值i_mean、方差i_var和相关性ip代表图像i本身的统计特征，p_mean和p_var代表图像i在当前半径r下的均值和方差，反映当前窗口下图像i的统计特征，这些用于计算线性模型参数。其中：
①
计算均值的表达式为：i_mean=1/((2r+1)2)xsum(sum(i))计算方差的表达式为：i_var=1/((2r+1)2)xsum(sum(i2))-i_mean2计算相关性的表达式为：ip=1/((2r+1)2)xsum(sum(i2))-i_mean2②
计算线性模型参数a和b:a=ip/(i_var+eps)；b=i_mean-axp_mean
③
根据a和b计算滤波后的图像q：q=axi+b
④
计算权重模板w:w=1/(axi_var+eps)x(a-1)x(p_var+i_var)
⑤
根据w和q更新滤波模板:filter=wxi+(1-w)xq
⑥
将filter添加到filters列表中。
[0049]
⑦ꢀ
返回filters列表,其中每个元素是对应半径的滤波模板。
[0050]
以上过程通过计算每个滤波半径的均值、方差和相关性，得到线性模型参数a和b。然后根据a和b计算滤波后的值q以及权重模板w。最后根据w和q更新滤波模板filter，并添加到filters列表中。通过filters可以得到一组不同半径的引导滤波模板，用于对图像进行平滑滤波和边缘信息保留。
[0051]
3.5.3 应用滤波器组：将每个引导滤波器依次应用于灰度图像。使用引导滤波对对数变换后的图像进行卷积运算，这将产生一系列平滑后的图像，每个图像对应一个特定的滤波器尺度。在这里，输入图像作为引导图像，这有助于保留边缘和纹理信息，同时对图像进行平滑处理。引导滤波的输出将是估计的入射分量图像。
[0052]
3.5.4 计算增强图像的反射分量：基于图像入射分量，利用多尺度亮度增强方法得到增强图像的反射分量。多尺度亮度增强是一种图像增强技术，主要是使用不同尺度的滤波器增强图像不同频率范围内的细节，从而实现全局的亮度增强效果，通过选用不同尺度滤波器增强低频与高频信息，然后计算与原图像的差分以提取失去的中频信息，从而获得反射成分。相比直接对原图像进行高通滤波，这种基于多尺度思想的方法可以更加自然的获得反射信息，效果更加真实。过程如下：
①
输入原图像i，进行高斯金字塔分解，得到不同尺度的图像gi，包含低频信息的g0和高频信息的g3。低频信息反映了图像的整体亮度与对比度，包含大尺度的变化信息；高频信息反映了图像的细节与边缘信息，包含小尺度的变化信息；原图像的中频信息因光照不足而丢失或不明显，因此无法直接获取。
[0053]
②
选取较大尺度的滤波器r0对低频图像g0进行滤波，获得滤波结果g0_filter。该步骤主要增强低频信息，对应的是漫反射分量。
[0054]
③
选取较小尺度的滤波器r3对高频图像g3进行滤波，获得滤波结果g3_filter。该步骤主要增强高频信息，对应的是镜面反射分量。
[0055]
④
将g0_filter和g3_filter进行高斯金字塔合并，获得中间结果j。j包含增强后的低频与高频信息。
[0056]
⑤
计算j与原图像i的差分，获得差分结果d。由于j失去了原图像i中的中频信息，d中的非零区域对应原图像i的中频信息，也就是反射分量。
[0057]
需要说明的是，我们将尺寸超过5
×
5的低通滤波器认为是较大尺度的滤波器；将尺寸3
×
3或5
×
5的低通滤波器认为是中等尺度的滤波器；高通滤波器由于需要提取高频信息，尺寸很少超过3
×
3，将尺寸不超过3
×
3的高通滤波器认为是较小尺度的滤波器。
[0058]
3.5.5 重建增强图像：将估计的入射分量和反射分量结合，重建增强后的图像。在这里，可以对入射分量进行适当的拉伸以提高图像的亮度。重建的图像可以通过以下公式获得：re(x, y) = s(x, y) x t(x, y)；其中，re(x, y)表示重建的增强图像，s(x, y)表示拉伸后的入射分量，t(x, y)表示反射分量。
[0059]
3.5.6 逆对数变换：对重建的增强图像进行逆对数变换，将其转换回原始的动态范围。可以使用以下公式进行逆对数变换：o(x, y) = exp(re(x, y))
ꢀ‑ꢀ
1；其中，o(x, y)表示最终的亮度增强图像。
[0060]
通过以上步骤3.5.1
ꢀ‑
3.5.6 ，可以将引导滤波应用于多尺度亮度增强方法，利用引导滤波对水面图像进行卷积运算，估计图像的入射分量，基于图像入射分量，利用多尺度亮度增强方法得到增强图像的反射分量，在提高图像亮度和对比度的同时，保留边缘和纹理信息。这种方法适用于水面、高动态范围等具有挑战性的图像场景。
[0061]
s40、利用水面亮度细节增益因子增强图像细节。
[0062]
在图像处理中引入水面亮度细节增益因子，可以有效地提升图像的细节表现，增加局部对比度，以便更清晰地观察图像中的信息。步骤s40具体包括步骤4.1-4.4。
[0063]
4.1 提取细节层：对亮度增强后的图像亮度通道进行高斯滤波，得到一个平滑的亮度分量，将原始亮度通道除以平滑后的亮度分量，得到细节层。
[0064]
4.2 应用细节增益因子，更新亮度通道：为了提升图像细节，可以将细节层乘以一个细节增益因子（如：1.5），然后与平滑后的亮度分量相乘，得到更新后的l通道。如此，可以增加图像的局部对比度，从而突出显示图像中的细节信息。
[0065]
4.3 转换回rgb颜色空间：将增强后的图像从hsi颜色空间转换回rgb颜色空间，更新亮度通道后的图像记为增强后的图像。
[0066]
4.4 输出增强后的图像：将增强后的图像保存或输出显示。
[0067]
通过以上步骤，可以使用水面亮度细节增益因子来提升图像细节，使得图像更具有视觉吸引力。
[0068]
s50、利用裁剪直方图均衡化方法增强图像对比度。
[0069]
在图像处理过程中，常常采用直方图均衡化方法来提供对比度。传统的直方图均衡化方法在提高对比度时可能导致噪声和不重要细节被过度放大。本技术基于传统的直方图均衡化方法提出了裁剪直方图均衡化方法，通过重新分布图像的灰度值，使其在整个灰度范围内更均匀地分布，在提高图像对比度的同时，避免过度放大噪声和不重要的细节。
[0070]
利用裁剪直方图均衡化方法增强图像对比度具体包括步骤5.1-5.6。
[0071]
5.1 计算原始直方图：计算输入图像的灰度直方图，即为原始直方图。这可以通过统计图像中每个灰度值出现的次数来实现。
[0072]
5.2 计算裁剪直方图：确定一个裁剪阈值，将原始直方图中超过该阈值的灰度值削减至阈值，得到裁剪直方图，并将削减下来的频数累积起来，形成一个额外的频数池。
[0073]
5.3 重新分配频数：将额外的频数池中的频数均匀地分配给裁剪直方图中未被裁剪的灰度值。这将使得裁剪直方图中的灰度值分布更加均匀。
[0074]
5.4 基于裁剪直方图和重新分配频数后的裁剪直方图，计算累积直方图，累积直方图表示图像像素的灰度值的累积频数。
[0075]
5.5 应用均衡化映射：根据累积直方图，计算一个均衡化映射，将原始灰度值映射到新的灰度值。这可以通过将累积直方图的值归一化到整个灰度范围来实现。
[0076]
5.6 更新图像灰度值：将均衡化映射应用于输入图像的每个像素，将原始灰度值替换为新的灰度值，实现图像对比度增强。
[0077]
加入裁剪直方图的均衡化方法，通过限制直方图中某些灰度值的最大频数（裁剪阈值），重新分布图像的灰度值，使其在整个灰度范围内更均匀地分布,可以提高图像的对比度和细节，调整动态范围，增强亮区以及暗区对比度感知，完成对反射信息进行对比度增强，同时避免噪声和不重要细节的过度放大。
[0078]
s60、根据原始图像的光照信息，对增强后的图像进行光照补偿。
[0079]
根据原始图像的光照信息，对增强后的图像进行光照补偿。这可以通过将增强后的图像与原始图像的光照信息相乘来实现。这一步骤有助于保持图像的自然光照感。
[0080]
s70、对增强后的图像进行伪影去除、平滑滤波和归一化处理。
[0081]
本步骤用于对增强后的图像进行后处理，包括去除伪影、平滑滤波等操作，以减少图像增强过程中可能引入的噪声和其他视觉伪影，改善局部的对比度，保留细节；最后将该图像输入约束条件，经过归一化处理后输出。
[0082]
如图2所示，基于图1所示实施例中的自监督的水面图像增强方法，本发明提供了一种自监督的水面图像增强装置，包括有图像去噪模块10、图像初步增强模块20、图像亮度增强模块30、图像细节增强模块40、图像对比度增强模块50、光照补偿模块60和图像后处理模块70。
[0083]
图像去噪模块10，用于利用分数阶中值滤波器、分数阶微分滤波器对水面图像进行图像去噪与增强，在去噪与增强过程中，分数阶中值滤波器和分数阶微分滤波器的参数根据图像的特征信息自适应调整，即用于执行图1所示实施例中的自监督的水面图像增强方法中的步骤s10。
[0084]
图像初步增强模块20，用于对经过图像去噪模块处理的水面图像进行图像初步增强，利用水面亮度细节增益因子和调整映射来提高图像的整体对比度、调整水面图像反光位置区域的对比度以及抑制光晕，即用于执行图1所示实施例中的自监督的水面图像增强方法中的步骤s20。
[0085]
图像亮度增强模块30，用于利用引导滤波和多尺度亮度增强方法增强图像亮度，即用于执行图1所示实施例中的自监督的水面图像增强方法中的步骤s30。
[0086]
图像细节增强模块40，用于利用水面亮度细节增益因子增强图像细节，即用于执行图1所示实施例中的自监督的水面图像增强方法中的步骤s40。
[0087]
图像对比度增强模块50，用于利用裁剪直方图均衡化方法增强图像对比度，即用于执行图1所示实施例中的自监督的水面图像增强方法中的步骤s50。
[0088]
光照补偿模块60，用于根据原始图像的光照信息，对增强后的图像进行光照补偿，即用于执行图1所示实施例中的自监督的水面图像增强方法中的步骤s60。
[0089]
图像后处理模块70，用于对增强后的图像进行伪影去除、平滑滤波和归一化处理，即用于执行图1所示实施例中的自监督的水面图像增强方法中的步骤s70。
[0090]
本发明还提供了一种电子设备，所述电子设备包括有处理器以及与所述处理器通信连接的存储器，其中，存储器用于存储各种类型的数据以支持在该电子设备上的操作，这些数据可以包括用于在该电子设备上操作的任何应用程序或方法的程序指令，以及应用程序相关的数据，例如，用于执行图1所示实施例中的自监督的水面图像增强方法的程序指令、图像参数配置数据等等。所述存储器可以由任何类型的一个或一个以上易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器 (static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，可编程只读存储器(programmable read-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。
处理器可以采用一个或一个以上，处理器用于控制该电子设备的整体操作，通过调用执行所述存储器存储的程序指令，以完成图1所示实施例中的自监督的水面图像增强方法的步骤。
[0091]
本发明还提供了一种计算机存储介质，所述计算机存储介质存储有程序指令，所述程序指令被处理器执行时实现上述的自监督的水面图像增强方法。其中，该计算机存储介质可以为上述包括程序指令的存储器，上述程序指令可由处理器执行以完成图1所示实施例中的自监督的水面图像增强方法的步骤。
[0092]
以上所述仅为本发明的优选实施例，而非对本发明做任何形式上的限制。本领域的技术人员可在上述实施例的基础上施以各种等同的更改和改进，凡在权利要求范围内所做的等同变化或修饰，均应落入本发明的保护范围之内。

技术特征：
1.一种自监督的水面图像增强方法，其特征在于，所述自监督的水面图像增强方法包括有如下步骤：s10、利用分数阶中值滤波器、分数阶微分滤波器对水面图像进行图像去噪与增强，在去噪与增强过程中，分数阶中值滤波器和分数阶微分滤波器的参数根据图像的特征信息自适应调整；s20、对经过步骤s10处理的水面图像进行图像初步增强，利用水面亮度细节增益因子和调整映射来提高图像的整体对比度、调整水面图像反光位置区域的对比度以及抑制光晕；s30、利用引导滤波和多尺度亮度增强方法增强图像亮度；s40、利用水面亮度细节增益因子增强图像细节；s50、利用裁剪直方图均衡化方法增强图像对比度；s60、根据原始图像的光照信息，对增强后的图像进行光照补偿；s70、对增强后的图像进行伪影去除、平滑滤波和归一化处理。2.如权利要求1所述的自监督的水面图像增强方法，其特征在于，所述步骤s10进一步包括：s11、对水面图像的每个像素，计算其邻域内的局部方差；s12、根据局部方差计算每个像素的分数阶参数；s13、根据像素的局部梯度调整所述分数阶参数；s14、根据分数阶参数计算每个像素的分数阶中值，用分数阶中值替换中心像素，得到去噪后的图像；s15、利用分数阶微分滤波器对去噪后的图像进行增强。3.如权利要求1所述的自监督的水面图像增强方法，其特征在于，所述步骤s20进一步包括：s21、从经过步骤s10处理的水面图像中提取高频细节；s22、利用提取的高频细节计算局部对比度；s23、根据局部对比度计算水面亮度细节增益因子；s24、应用调整映射来提高图像的整体对比度，并利用水面亮度细节增益因子调整水面图像反光位置区域的对比度；s25、利用双边滤波或引导滤波方法抑制光晕。4.如权利要求1所述的自监督的水面图像增强方法，其特征在于，所述步骤s30进一步包括：s31、将初步增强后的水面图像从rgb色彩空间转换到hsi色彩空间；s32、对hsi色彩空间中的饱和度分量进行线性拉伸；s33、采用引导滤波来对水面图像做卷积运算，估计图像入射分量；s34、基于图像入射分量，利用多尺度亮度增强方法得到增强图像的反射分量；s35、将估计的入射分量和反射分量结合，重建增强后的图像；s36、对重建的增强图像进行逆对数变换，将其转换回原始的动态范围得到最终的亮度增强图像。5.如权利要求4所述的自监督的水面图像增强方法，其特征在于，所述步骤s40进一步
包括：s41、对亮度增强后的图像亮度通道进行高斯滤波，得到一个平滑的亮度分量，将原始亮度通道除以平滑后的亮度分量得到细节层；s42、将细节层与一个水面亮度细节增益因子相乘后，与平滑后的亮度分量相乘，得到更新后的亮度通道；s43、将更新亮度通道后的图像从hsi颜色空间转换回rgb颜色空间。6.如权利要求1所述的自监督的水面图像增强方法，其特征在于，所述步骤s50进一步包括：s51、通过统计图像中每个灰度值出现的次数计算输入图像的灰度直方图，得到原始直方图；s52、确定一个裁剪阈值，将原始直方图中超过该裁剪阈值的灰度值削减至裁剪阈值，得到裁剪直方图，并将削减下来的频数累积起来，形成一个额外的频数池；s53、将额外的频数池中的频数均匀地分配给裁剪直方图中未被裁剪的灰度值；s54、基于裁剪直方图和重新分配频数后的裁剪直方图，计算累积直方图，累积直方图表示图像像素的灰度值的累积频数；s55、根据累积直方图计算一个均衡化映射；s56、将均衡化映射应用于输入图像的每个像素，将每个像素的原始灰度值替换为新的灰度值。7.如权利要求1所述的自监督的水面图像增强方法，其特征在于，所述步骤s60通过将增强后的图像与原始图像的光照信息相乘来实现对增强后的图像的光照补偿。8.一种自监督的水面图像增强装置，其特征在于，所述自监督的水面图像增强装置包括有：图像去噪模块，用于利用分数阶中值滤波器、分数阶微分滤波器对水面图像进行图像去噪与增强，在去噪与增强过程中，分数阶中值滤波器和分数阶微分滤波器的参数根据图像的特征信息自适应调整；图像初步增强模块，用于对经过图像去噪模块处理的水面图像进行图像初步增强，利用水面亮度细节增益因子和调整映射来提高图像的整体对比度、调整水面图像反光位置区域的对比度以及抑制光晕；图像亮度增强模块，用于利用引导滤波和多尺度亮度增强方法增强图像亮度；图像细节增强模块，用于利用水面亮度细节增益因子增强图像细节；图像对比度增强模块，用于利用裁剪直方图均衡化方法增强图像对比度；光照补偿模块，用于根据原始图像的光照信息，对增强后的图像进行光照补偿；图像后处理模块，用于对增强后的图像进行伪影去除、平滑滤波和归一化处理。9.一种电子设备，其特征在于，所述电子设备包括有至少一个处理器以及与所述处理器通信连接的至少一个存储器，其中，所述存储器存储有程序指令，所述程序指令被所述处理器调用执行时实现权利要求1至7任一项所述的自监督的水面图像增强方法。10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有程序指令，所述程序指令被处理器执行时实现权利要求1至7任一项所述的自监督的水面图像增强方法。

技术总结
本发明公开了一种自监督的水面图像增强方法、装置、电子设备以及计算机存储介质。本发明利用分数阶中值滤波器、分数阶微分滤波器对水面图像进行图像去噪与增强，引入水面亮度细节增益因子并与调整映射相结合，保护水面图像反光位置对比度，采用引导滤波估计图像入射分量，结合多尺度亮度增强方法增强图像亮度，引入裁剪直方图均衡化方法，完成图像的水面纹理细节的增强，在去噪与增强过程中，分数阶中值滤波器和分数阶微分滤波器的参数根据图像的特征信息自适应调整，克服了经典中值滤波去噪及传统分数阶滤波增强会使图像模糊化及增强效果不明显的缺点，改善了因水面图像中的信号-噪声比较低而导致图像的细节和边缘不够清晰的问题。晰的问题。晰的问题。


技术研发人员：程宇威 朱健楠 王心爽 池雨豪 虞梦苓
受保护的技术使用者：陕西欧卡电子智能科技有限公司
技术研发日：2023.06.28
技术公布日：2023/8/13