《Optics & Laser Technology》:Blur-turbidity joint prior for adaptive enhancement of inland water underwater engineering images
编辑推荐:
摘要内陆水下工程图像通常受到色偏、光照不均匀、模糊和浑浊的影响,这限制了基于图像的结构检查和状态评估的可靠性。本文提出了一种免训练的模糊-浑浊联合先验与自适应多路径融合(BTJP-AMF)框架,以恢复结构检查所需的图像质量。BTJP将透射率与点扩散函数(PSF)尺度耦合,在变
摘要
内陆水下工程图像通常受到色偏、光照不均匀、模糊和浑浊的影响,这限制了基于图像的结构检查和状态评估的可靠性。本文提出了一种免训练的模糊-浑浊联合先验与自适应多路径融合(BTJP-AMF)框架,以恢复结构检查所需的图像质量。BTJP将透射率与点扩散函数(PSF)尺度耦合,在变分框架内联合估计与模糊和浑浊相关的量。AMF随后根据实测退化严重程度组合并行的色彩、光照和模糊-浑浊分支,并应用先验引导的细节增强。在此流程中,自适应色彩校正(ACC)和不均匀光照校正器(UIC)分别提供色彩和光照分支,以共同应对复杂的色偏和非均匀照明以及模糊-浑浊问题。在E-IUCE和LUIE数据集上的实验表明,BTJP-AMF在七项无参考指标(UCIQE、UIQM、NIQE、NIQMC、FADE、CCF和FDUM)上相较于九种现有方法取得了优越或极具竞争力的表现,显著改善了特征点检测(相比原始图像提高约14.1倍)、分割质量和目标检测,并在无需训练的情况下以10.70 FPS的速度运行。结果表明,该方法支持复杂水下工程环境中民用基础设施的结构健康监测和基于图像的状态评估。
引言
水下成像对于检查内陆河流和港口的桥梁、码头、大坝坝面等民用基础设施至关重要。随着此类基础设施的扩展和老化,水下结构检查成为安全评估、使用寿命延长和维护决策的核心环节[1], [2]。然而,在浑浊的内陆水域中,图像会受到波长依赖性吸收、人工照明的空间分布以及悬浮颗粒散射的影响,导致色偏、光照不均匀、浑浊和模糊,并降低对比度、色彩保真度和结构细节。因此,需要可靠的水下图像增强技术来在这些复合退化条件下恢复场景清晰度[3], [4], [5]。
现有的水下图像增强(UIE)方法可分为物理模型法、非物理模型法和深度学习方法[6]。物理模型法通过成像模型估计透射率和背景光,并通过逆运算恢复场景;代表性工作包括暗通道先验(DCP)[7]、水下暗通道先验(UDCP)[8]、红通道先验(RCP)[9]和气辉线先验[10]。在高浑浊度或人工照明等复杂工程场景中,这些先验很容易被悬浮颗粒破坏,导致透射率估计不稳定和色彩失真[11]。
非物理模型法通过逐像素调整或多路径融合来改善对比度和色彩,例如多尺度融合[12]、Retinex分解[4], [13]和自适应色彩校正[14], [15]。这些方法效率高,适合实时应用,但在复杂场景中容易出现过度增强、引入伪影和细节丢失。深度学习方法[16], [17], [18], [19]在公开数据集上表现良好,但依赖大量配对或合成数据和高计算能力;当训练数据稀缺时(如许多工程场景),其泛化能力较差,且不重新训练的适用性仍然有限[20], [21]。
针对内陆水域的水下工程检查,我们早期的浑浊感知先验与多尺度自适应融合(TMAF)方法[22]改善了高浑浊水域的可见度,但未能将复杂的色偏和空间变化的光照与模糊-浑浊联合处理,且其融合仍侧重于以浑浊为导向的多尺度组合。在TMAF的浑浊线索基础上,同时改变估计范式和融合决策规则,本文提出了一种模糊-浑浊联合先验与自适应多路径融合(BTJP-AMF)方法。主要贡献如下:
- (1)
模糊-浑浊联合先验(BTJP),将透射率与PSF尺度耦合,在变分框架内联合估计与模糊和浑浊相关的量。
- (2)
一种问题感知的自适应多路径融合(AMF)方案,结合先验引导的细节增强,根据实测退化严重程度组合并行的色彩、光照和模糊-浑浊分支。
- (3)
一种面向内陆水下工程图像的统一免训练流程,联合处理色偏、光照不均匀和模糊-浑浊问题,同时扩展了E-IUCE数据集,并进行了面向任务的评价(无参考指标、消融实验、特征检测、分割和目标检测)。
本文其余部分组织如下。第2节回顾相关工作,第3节描述所提方法,第4节呈现实验和分析结果,第5节给出结论。
章节片段
物理模型法
这些方法以估计透射率和背景光并逆运算成像模型为中心。He等人[7]提出了单图像去雾的暗通道先验(DCP)。对于水下成像,Drews等人[8]基于绿-蓝通道提出了水下暗通道先验(UDCP),Galdran等人[9]提出了红通道补偿(RCP),Berman等人[10]使用气辉线先验建模波长依赖性衰减;Peng和Cosman[23]将模糊和光照
概述
在内陆河流水下结构检查中获取的图像经常受到色彩失真、光照不均匀、浑浊引起的遮挡和光学模糊的组合退化影响。为缓解这些效应,我们提出了一种基于模糊-浑浊联合先验(BTJP)和自适应多路径融合的水下工程图像增强方法。图1展示了完整的流程。该方法采用并行处理架构,其中三个模块处理输入
实验结果与分析
为验证所提方法的有效性,本文在自建扩展内陆水下工程图像(E-IUCE)数据集和公开水下图像增强基准(LUIE)上进行了消融研究,并与九种代表性的水下图像增强方法进行了对比。算法性能从定性结果、定量指标、运行效率、特征检测性能、图像分割精度和工程
结论
针对内陆水下工程图像中的色偏、光照不均匀、浑浊和模糊问题,本文提出了一种基于模糊-浑浊联合先验与自适应多路径融合(BTJP-AMF)的方法。其有效性和优势通过在E-IUCE和LUIE数据集上进行定性和定量评估、特征点检测、图像分割、目标检测和消融实验进行了验证。主要结论如下:
CRediT作者贡献声明
Hu Kong:撰写——原始草稿,软件,方法论。Aimin Yuan:验证,监督,方法论,资金支持,概念化。Keqin Wang:验证,资源,数据整理。Qi Chen:验证,资源,数据整理。Jiangning Dai:可视化,验证。Jiusheng Liu:可视化,验证。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所报告的工作。
致谢
作者感谢中国设计集团有限公司宁马高速水下检测项目对本文的资助。
Hu Kong|Aimin Yuan|Keqin Wang|Qi Chen|Jiangning Dai|Jiusheng Liu