21世紀以來,人類社會的可持續(xù)發(fā)展越來越多地依賴海洋,加快海洋資源的開發(fā)利用已成為關(guān)系到國家生存和發(fā)展的重大問題。視頻和圖像是一種直觀且有效的水下信息表達方式,但是由于水下環(huán)境的復(fù)雜性和水體運動的隨機性,水下圖像往往存在嚴重的失真。尤其是在空氣-水界面處,水面波動的隨機性和高速運動性導(dǎo)致界面處光線發(fā)生復(fù)雜的折射現(xiàn)象,從而使得從水上透過水面獲取的水下目標成像存在嚴重的幾何畸變。這不僅降低了圖像的整體視覺效果,而且阻礙了后續(xù)的模式識別和目標檢測等任務(wù)的順利進行。在針對跨介質(zhì)水下扭曲圖像復(fù)原方法的研究過程中,本文主要完成了以下工作:（1）對國內(nèi)外的跨介質(zhì)水下扭曲圖像復(fù)原方法進行了歸納和總結(jié)。（2）研究了跨介質(zhì)水下扭曲圖像的光學(xué)成像原理與成像特點。（3）研究了兩種經(jīng)典的水下圖像復(fù)原方法。通過仿真分析,發(fā)現(xiàn)以模糊的平均圖像為參考圖像會嚴重限制圖像配準的效果。（4）在結(jié)合了B樣條與自由變形模型的迭代性圖像配準方法的基礎(chǔ)上,提出了通過重建高質(zhì)量的參考圖像的方法來提高圖像配準的效果。重建參考圖像主要由兩個步驟組成:首先是幸運塊融合技術(shù),采用結(jié)構(gòu)相似性作為質(zhì)量評價方法,從序列中挑選出畸變較小的圖像塊進行... 

【文章來源】：上海大學(xué)上海市 211工程院校

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

海水水分子吸收光譜曲線[47]

上海大學(xué)碩士學(xué)位論文39(a)無重疊分塊(b)重疊分塊圖4.3幸運塊融合技術(shù)中的分塊方法示意圖(a)無重疊分塊(b)50%重疊分塊圖4.4采用不同分塊方式進行幸運塊融合得到的重建圖像（實驗中，采用SSIM作為圖像質(zhì)量評價方法，挑選SSIM值排在前50%的圖像塊作為幸運塊進行融合與拼接）4.3.2圖像質(zhì)量評價方法透過波動的空氣-水界面成像時，扭曲畸變是水下圖像的主要失真形式，有時甚至?xí)芯植窟\動模糊。因此，我們需要選擇合適的圖像質(zhì)量評價方法來評估圖像的失真程度，尤其是幾何失真。如果僅有一張水下圖片，而沒有未失真圖片作為對比，即便是人眼也無法斷定該圖片是否存在畸變失真。但是當人們觀察一組水下場景的視頻時，幀間差異使得人眼可以很容易發(fā)現(xiàn)圖片中的畸變失真。由此可見，有參考源時更容易判斷圖片是否存在畸變失真。在真實的水下場景中，未失真圖像往往是不可獲得的，但是序列圖像的時域平均可以作為未失真圖像的近似替代，所以可通過計算序列圖像與平均圖像之間的相似程度來衡量圖像的畸變失真水平。若差

上海大學(xué)碩士學(xué)位論文44圖4.5采用SSIM作為特征數(shù)據(jù)，使用K均值聚類劃分后的數(shù)據(jù)分布在通過K均值聚類得到“幸運塊”序列后，計算序列的平均圖像塊。然后把所有“幸運塊”序列的平均圖像塊拼接起來，即可得到一整幅重建的圖像。4.3.4不同質(zhì)量評價方法的效果比較新南威爾士大學(xué)的Halder等[30]使用了基于瑞麗熵的盲圖像質(zhì)量評價（BlindImageQuality,BIQ）方法[64]來挑選清晰度較高的參考幀和幀序列作為配準的輸入，本文也使用BIQ作為幸運塊融合的圖像質(zhì)量評價方法，與其他評價方法進行對比。圖4.6展示了分別使用PSNR、SSIM、FSIM、GSM和BIQ等圖像質(zhì)量評價方法進行幸運塊融合所得到的重建圖像。與圖4.6(a)所示的原始序列的平均圖像相比，在圖4.6(f)所示的使用BIQ得到的結(jié)果中，重影現(xiàn)象不僅沒有得到緩解，甚至有些區(qū)域的重影現(xiàn)象變得更加嚴重（如紅色方框所示的區(qū)域）。水面波動造成的圖像失真以幾何畸變?yōu)橹�，幾何畸變失真是一種結(jié)構(gòu)性失真，是圖像邊緣處的像素點發(fā)生偏移，而不是邊緣被“擴散”（即圖像模糊的一種表現(xiàn)）。BIQ是一種無參考圖像質(zhì)量評價函數(shù)，它雖然可以檢測圖像模糊，但是無法檢測出幾何畸變。因此BIQ不適用于本文的幸運塊融合算法。圖4.6(d)所示的使用FSIM獲得的重建圖像與原始序列的平均圖像相比，幾乎看不出差別，這是因為以FSIM進行圖像質(zhì)量評價時，圖像塊之間的FSIM值的差異很小，無法反映待測圖像塊與參考圖像塊之間的差異，

【參考文獻】：
期刊論文
[1]基于像素位移估計的水下湍流退化圖像畸形校正算法[J]. 盤亞楠,諶雨章,郭煜瑋.  計算機測量與控制. 2018(06)
[2]基于B樣條迭代配準的水下扭曲圖像恢復(fù)算法[J]. 馬春波,趙蘭蘭,敖珺,王克明.  計算機工程. 2017(05)
[3]水下圖像增強和復(fù)原方法研究進展[J]. 郭繼昌,李重儀,郭春樂,陳善繼.  中國圖象圖形學(xué)報. 2017(03)
[4]水面波動和水體湍流退化圖像的復(fù)原方法[J]. 魯嘯天,楊天鳴,金偉其,劉敬,溫仁杰.  應(yīng)用光學(xué). 2017(01)
[5]水的光學(xué)特性對水下光學(xué)成像質(zhì)量影響的分析[J]. 張輝.  電子測試. 2013(20)
[6]畸變環(huán)境下的序列圖像融合技術(shù)研究[J]. 楊波,張文生,謝源.  計算機科學(xué). 2013(10)
[7]一種基于視頻的水下場景復(fù)原算法[J]. 李磊,王慶,肖照林.  系統(tǒng)仿真學(xué)報. 2012(01)
[8]水的光學(xué)特性及其對水下成像的影響[J]. 孫傳東,陳良益,高立民,張建生,盧笛.  應(yīng)用光學(xué). 2000(04)
[9]機載激光測深海洋傳輸通道的吸收和散射特性分析[J]. 陳烽,陳良益,薛鳴球.  光子學(xué)報. 1997(06)

碩士論文
[1]基于圖像序列的跨介質(zhì)水下成像技術(shù)研究[D]. 吳桐.桂林電子科技大學(xué) 2019
[2]基于B樣條和互信息的非剛性醫(yī)學(xué)圖像配準的研究與應(yīng)用[D]. 汪軍.太原理工大學(xué) 2017
[3]水下湍流模糊圖像質(zhì)量感知及圖像復(fù)原系統(tǒng)研究[D]. 陳曄.廈門大學(xué) 2017
[4]水下圖像復(fù)原方法研究[D]. 王婷.鄭州大學(xué) 2017
[5]基于激光雷達的自動泊車環(huán)境感知技術(shù)研究[D]. 王海.大連理工大學(xué) 2013



本文編號：3418641