文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.190299
中文引用格式： 李蕾，郭天太，潘孫強，等. 基于Laplacian算法的水下偏振圖像復原[J].電子技術應用，2019，45(9)：85-88.
英文引用格式： Li Lei，Guo Tiantai，Pan Sunqiang，et al. Underwater polarization image restoration based on Laplacian algorithm[J]. Application of Electronic Technique，2019，45(9)：85-88.
0 引言
隨著新一代信息技術的快速發展和與先進制造技術的不斷融合，以智能制造檢測為代表的新一輪產業轉型已在全球范圍內出現。我國水下勘探的探索方向主要有水下主動照明成像、激光掃描成像和距離選通成像。其中水下激光掃描成像系統由于水體對準直光束的擴散和硬件設備的不完善限制了圖像的成像分辨率。而光學偏振成像技術由于其相比于傳統的水下主動照明成像系統具有能夠獲取多維的偏振信息的特點，可以利用目標物對偏振光的不同退偏振能力來區分目標與背景[1]，而且偏振系統相較于其他系統研究成本低，因而廣泛應用于復雜環境下目標探測和圖像質量增強等技術研究中。
偏振成像是基于傳統光強圖像成像技術的基礎上，通過獲取受到偏振光學器件調制后的光強圖像，從而獲取光束的偏振特性圖像。在成像過程中，偏振光入射到不同物體的表面產生相互作用，將會對光束的偏振特性進行不同的調制，從而產生不同的偏振態的光束[2]。長春理工大學提出了將同步掃描技術與偏振技術相結合的實驗方案，并在實驗中提高了水下成像距離和清晰度，但系統的穩定性還需要進一步優化[3]。綜合利用場景光的偏振信息和光譜信息提高光電成像系統的探測識別能力，是國內外研究的熱點[4]。以HUANG B[5]、DUBREUIL M[6]的研究為代表，利用散射光的偏振特性分離場景中目標信息光和背景散射光，可獲取清晰的目標圖像。激光水下偏振成像特征融合算法主要有圖像邊緣融合方法[7]、紋理信息濾波算法[8]、Fraunhofer圓孔衍射方法等[9]。在KRISHNAN D和FERGUS R[10]等人提出的基于超拉普拉斯先驗的圖像去模糊算法的基礎上,秦緒佳[11]等人提出了一種改進的基于超拉普拉斯約束的單幅圖像去模糊算法,提高了去模糊算法效率。
在現有的研究基礎上，本文將不同角度的圖像分解為多尺度的金字塔圖像序列，結合高斯卷積和權重融合系數，得到一系列的差值融合圖像，增強了圖像細節的融合，并且通過調節激光器的發射頻率來改善偏振成像系統中的照射激光光源環境。本系統通過實驗證明，在衰減系數為2.1的海水環境中，水下成像距離達到6 m，能清晰識別水中物體及其特征。SNR值和SSIM值分別用作成像對比度和分辨率的評估標準，客觀地評估成像性能。
1 偏振成像系統原理
偏振成像技術檢測技術是利用不同物體的表面偏振度不同而進行目標識別[12]。水下成像系統中采用偏振系統是根據目標表面的反射光與水下粒子散射光之間的退偏度不同，偏振器有效濾除水體雜光散射，增強了目標物體的反射光能力，在一定程度上有效地減少了后向散射光，提高圖片的信噪比。水下激光偏振系統光路圖如圖1所示。
發射光的Stokes矢量Sout和入射光的Stokes矢量Sin之間有如下關系，
根據測量目標表面任意點處的反射光波偏振度，根據對所有點的依次運算，以獲得目標表面中所有點的偏振度。獲得數字矩陣D后，再通過數值圖像化處理將D矩陣轉換到圖像灰度值空間中，數字矩陣以圖像的形式顯示，構成偏振度圖像。
2 實驗
實驗照明光源采用長春新產業的532 nm YAG激光器LPS-532-S-100 mJ，輸出的激光波長為1 060 nm，經倍頻后為532 nm的綠光?？紤]到水對不同波長的光的吸收特性，選取MD Vision CCD作為接收器，其光譜范圍為430~656 nm，單個像元為10.8 μm，滿足檢測系統精度條件。偏振光學系統中的光學器件選擇武漢優光的擴束器、衰減器、偏振器、λ/4波片和窄帶濾波器。其實物裝置圖如圖2所示。
從目標反射回來的光波作為待測入射光，偏振片可以通過透光軸方向旋轉，不同偏振角度下的成像清晰度不同，圖3分別記錄偏振片透光軸在3個不同角度時目標的圖像。圖4為3個角度的特征融合原始圖像。
由于光線被水體介質吸收，圖像中目標物的邊緣模糊，有待進一步對圖像的增強處理來增加圖像的細節顯示。
3 基于權重融合系數的增強算法
對于單幅水下圖像，首先進行降噪增強處理，再對圖像進行3種權重分布圖的計算得到融合系數權重圖，最后將融合系數權重圖與偏振圖像進行Laplacian融合得到增強的結果圖。流程如圖5所示。
3.1 圖像預處理
首先，對圖像進行直方圖均衡預處理以增強圖像顯示效果。直方圖均衡化又稱直方圖平坦化，即對原圖像的質量分布圖通過非線性拉伸轉為均勻分布的形式，重新分配圖像象元值,使一定灰度范圍內象元值的數量大致相等，從而增強整體圖像的對比度，改善水下圖像中各種亮度的比例大部分是不均勻分布的情況。
3.2 權重圖
最終在圖像上的關鍵細節呈現是非常重要的，如邊緣細節、顯著性區域的清晰度和局部區域的對比度。要在圖像融合階段突出這些特征信息，必須對這些局部像素的值進行權重分布，這樣最終融合圖像可以在這些細節可以得到體現。
(1)局部對比權重系數圖
局部對比系數表征了每一個像素與周邊像素之間的對比關系，其目標是突出圖像中邊緣等細節信息，其公式表達如下：
其中，I是源圖像，IC是源圖像經過低通濾波后的圖像。低通濾波圖像是通過對源圖像I與卷積核H進行卷積獲取。
(2)顯著性區域權重圖
圖像的主要信息僅集中在幾個關鍵區域，人們通常關注圖像輪廓最大或輪廓方向突然變化的區域。這些信息可用顯著圖來體現。與增強的全局對比度不同，顯著圖可以突出顯示原始圖像的邊緣；進一步增加其局部區域的輪廓相應的權重值，增強圖像對比度。
(3)曝光權重圖
曝光權重圖表征像素的曝光特性，利用曝光值的估計來評估像素的合理灰度值，其公式如下：
其中，I(x，y)為源圖像，σ可以選取固定值0.25。對于灰度值差異大的像素，將獲取更大的權重值。
圖6的3分圖分別是輸入圖像的曝光權重圖、局部對比度權重圖和顯著性區域權重圖。分別將3幅權重圖進行加權融合得到融合系數權重分布圖，如圖7所示。
3.3 Laplacian金字塔融合
單幅水下彩色圖像經過降噪增強處理后，得到了均衡化的圖像I。同時通過3種權重系數的設計，圖像分別各計算得到3幅權重圖WLC、WS、WE。將圖像對應的權重圖分別進行歸一化，然后對3個權重圖進行加權融合，得到新的系數
：
將偏振圖像結合圖7的融合系數權重分布圖進行Laplacian金字塔融合，即：
其中，Gl表示高斯金字塔分解，Ll表示Laplacian金字塔分級。得到結果如圖8所示。
為了對圖8圖像增強算法的結果圖片進行客觀評價，將小波變換的融合方法與本實驗算法進行對比，小波變換算法實質上是將圖像信息分解為不同空間維度上，然后對不同空間的信息進行線性處理，增強圖像效果[13]。若將小波變換方法簡單地用于圖像增強，在圖像增強的同時也放大了噪聲。用“軟閾值”的小波圖像增強方法可以在增強的同時有效地抑制噪聲[14]，然而有時會產生振鈴現象。小波變換的處理效果圖如圖9所示。
對圖像進行SNR(Signal to NoiseRatio)值和SSIM(Structural Similarity)值的評估。SNR評估的方法是將一幅圖像分割成若干個局部區域，計算局部區域的方差值，然后選取最大值與最小值的比較進行SNR的計算。SSIM評估圖像的結構相似性，并且是用于測量原始圖像與偏振圖像和兩個圖像之間的相似性的指示符。
表1為分別采用本文算法和小波變換圖像融合算法對偏振圖像的增強測試結果的數值評估表。
從表1中的數據可以看出，兩種算法都不僅在主觀視覺上可以明顯看出圖像增強的效果，在客觀數據上也較好地改善了SNR和SSIM兩個評價值，獲得了較好的圖像增強效果，由于本文采用不同偏振角度下的偏振圖像特征融合，并在此基礎上進行權重系數圖像融合，這使圖像細節對比度得到了比較大的提升，可以提取出更多的特征信息，用來進行水下圖像的內容分析。
4 結論
本文主要是采用水下偏振光學成像技術獲取圖像，對水下的幾個圖像質量提升方向進行了研究。在實驗中,對發現的問題和不足提出了可行的改善方案,如在實驗中添加濾波片以改善實驗室中存在的非綠光波段雜散光干擾,對于目前不能解決的問題,提出了后續解決方案,為后續研究提供了解決問題的思路。
參考文獻
[1] 王維.偏振光譜成像目標識別系統[J].電子技術應用，2016，42(12)：73-75.
[2] 張玉梅.全Stokes偏振成像技術的研究[D].南京：南京理工大學，2015.
[3] 袁婷.激光水下成像系統研究[D].長春：長春理工大學，2013.
[4] ARNOLD-BOS A，MALKASSE J P，KERVERN G.Towards a model-free denoising of underwater optical images[C].Oceans，2005.
[5] HUANG B，LIU T，HU H，et al.Underwater image recovery considering polarization effects of objects[J].Optics Express，2016，24(9)：9826-9838.
[6] DUBREUIL M，DELROT P，LEONARD I，et al.Exploring underwater target detection by imaging polarimetry and correlation techniques[J].Applied Optics，2013，52(5)：997-1005.
[7] 溫佳，馬彩文，水鵬朗.改進自適應LBG矢量量化算法在干涉高光譜圖像壓縮中的應用[J].光譜學與光譜分析，2011，31(4)：1033-1037.
[8] 張曉玲，張培強，沈蘭蓀.基于信息量失真測度的VQ及在高光譜圖像無損壓縮中的應[J].遙感學報，2004，8(5)：414-418.
[9] 劉仰川.基于預測與JPEG2000的高光譜圖像無損壓縮方法研究[J].激光與紅外，2012，42(4)：452-457.
[10] KRISHNAN D，FERGUS R.Fast image deconvolution using hyper-Laplacian priors[C].International Conference on Neural Information Processing Systems，2009.
[11] 秦緒佳，柯玲玲，范穎琳，等.改進的超拉普拉斯約束的單幅圖像去模糊算法[J].小型微型計算機系統，2018，39(5)：235-240.
[12] 安雨飛，林軍，山其君，等.一種基于偏振原理和FPGA的調光系統設計[J].電子技術應用，2011，37(1)：71-73.
[13] 趙滿慶.基于小波變換的圖像處理技術[J].電子技術與軟件工程，2018，132(10)：73.
[14] 方勇，戚飛虎.基于軟閾值的小波圖像增強方法[J].計算機工程與應用，2002(23)：16-19.
作者信息:
李 蕾1，2，郭天太1，潘孫強2，陳 歡2，趙 軍1，孔 明1
(1.中國計量大學，浙江 杭州310000；2.浙江省計量科學研究院，浙江 杭州310000)