一种人工光照环境下水下视觉图像的背景光获取方法

1.本发明涉及水下图像处理技术领域，特别是涉及处于深海区域水下机器人仅依靠人工光进行目标探测时的背景光获取方法。


背景技术：

2.水下机器人在进行水下目标探测与作业时需要明晰水下环境与目标信息，视觉图像是目前水下近距离作业信息获取的主要手段。水下环境中，由于水介质及水中杂质对光线的散射和折射效应等因素影响，水下视觉图像退化严重，存在背景噪声强、图像模糊、色偏等问题。因此，需要对退化严重的水下视觉图像复原，提高成像清晰度，为后续的目标提取等图像处理奠定基础。其中，背景光能够直接影响图像复原后的色调与细节，因此背景光的求解十分重要。
3.目前，基于背景光参数求解方法主要有基于暗通道先验方法和基于深度学习的方法等。其中，基于暗通道先验的方法有着不依赖图像以外数据，且去雾效果优异的特点，但是所获取的背景光容易受自身发光生物体或者表面极其光滑的物体影响，将前景区域的物体误判为背景光的来源，使得背景光存在造成严重色偏。而基于深度学习的方法有着强大的特征提取能力以及高精度的特点，但是深度学习方法的鲁棒性较低；此外，目前水下图像中背景光的数据集较少，难以进行学习；并且，上述方法对于人工光照下的水下图像背景光的获取研究较少。因此，针对以上情况，研究人工光照下水下背景光的获取对于水下图像复原是本领域技术人员需要解决的问题。


技术实现要素：

4.针对现有技术存在的上述不足，本发明的目的是提供一种人工光照环境下水下视觉图像的背景光获取方法，解决现有技术水下机器人在人工光照环境下获取目标图像时，背景光误较大，从而影响后续图像复原效果的问题。
5.实现上述目的，本发明采用如下技术方案：
6.一种人工光照环境下水下视觉图像的背景光获取方法，包括如下步骤：
7.(1)利用水下机器人获取原始水下原始图像，通过原始图像的明通道图，构造第一个深度图；
8.(2)通过原始图像的红色通道图，构造第二个深度图；
9.(3)根据图像主色调，结合步骤(1)得到的第一个深度图与步骤(2)得到的第二个深度图，构造初始深度图；
10.(4)通过原始图像的模糊度图，构造第三个深度图；
11.(5)根据步骤(3)得到初始深度图将该深度图划分为前景与背景两个区域，并结合步骤(4)得到的第三个深度图，优化初始深度图的背景区域，从而构造最终的度图；
12.(6)判断通过步骤(5)得到的背景区域中是否有其他物体干扰背景光的求解，若有，则利用otsu算法将背景区域中其他物体去除；若没有，则直接进入步骤(7)；
13.(7)选取步骤(6)分割后的深度图前0.1％中最亮的0.1％像素值的平均值作为背景光。
14.其中，所述的步骤(1)具体为：
15.明通道是一种先验方法，表示在无雾图像中的大部分局部斑块中，至少在一个颜色通道中包含一些强度非常高的像素。由于人工光照前景与背景的明通道变化较大，使用明通道可以满足后续前背景分离的需求，并且基于明通道的深度图，更符合人工光照充足的水下环境要求，因此采用明通道构造第一个深度图d
l
即：
16.d
l
(x)＝1-fs(j
light
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0017][0018]
其中，fs(x)表示灰度拉伸函数，j
light
表示明通道,即：
[0019][0020]
其中，jc为原始水下图像，ω(x)一般设置为像素x周围的一个7
×
7像素的邻域。
[0021]
所述步骤(2)具体为：
[0022]
在水下环境中红光对于深度变化较为敏感，因此能够较为准确地反映水下图像深度，并且步骤(1)所获取的第一个深度图在图像存在蓝色色偏时会将背景中的蓝色区域误判为前景。因此，为了弥补这一缺陷，并且为后续步骤(3)两个通道的融合做好准备，采用红色通道图构造第二个深度图dr：
[0023][0024]
其中，r为红色通道，fs是灰度拉伸函数，ir为图像红色通道，一般设置为像素x周围的一个7
×
7像素的邻域。
[0025]
所述步骤(3)具体为：结合步骤(1)得到的第一个深度图与步骤(2)得到的第二个深度图，构造初始深度图df：
[0026]df
(x)＝θd
l
(x)+(1-θ)dr(x)
ꢀꢀꢀꢀꢀꢀ
(5)
[0027]
θ＝s(abs(c(1)-c(0)),20)
ꢀꢀꢀꢀꢀꢀꢀ
(6)
[0028]
其中，θ代表图像的色偏值，c为利用中位切分法所获取的图像的主色调(c(0)、c(1)与c(2)分别表示主色调的红、绿与蓝颜色通道)，s为sigmoid函数，abs为绝对值。
[0029]
当abs(c(1)-c(0))《《20，θ＝0时，水下环境存在蓝色色偏，d
l
作为深度，会将蓝色的背景区域错误的认作为前景。由于水下红色通道值较低，并且此时与绿色通道值相接近，与蓝色为通道值相差较大，能够较为准确的将蓝色背景区分开来，因此，此时采用dr作为深度图。
[0030]
当abs(c(1)-c(0))》》20，θ＝1时，水下环境总体色调无较大色偏或者存在绿色色偏，此时dr会将蓝色的前景目标物误判为背景。由于明通道在蓝色光较少的情况下，仍能准确地将前景中的目标物分辨出来，因此，此时采用d
l
(x)作为深度图。
[0031]
在这两个极端之间，初始深度图来自两种方法的加权组合。
[0032]
步骤(3)的主要目的是获取较好的初始深度图，从而能够以深度图的方式较好的区分水下图像的前景与背景，为步骤(5)做准备。
[0033]
所述骤(4)具体为：
[0034]
由于水下图像背景区域人工光照强度比前景低，并且考虑到背景区域较为平坦且模糊的特点，采用模糊度图构造第三个深度图。首先，求解粗糙模糊度图pr：
[0035][0036]
其中，g为高斯滤波器滤波的输入图像，ri＝2in+1，n一般取值为4，ig为灰度图，ω(x)一般设置为像素x周围的一个7
×
7像素的邻域。然后，通过使用形态学重建填充pr中的孔洞，从而细化pr，并使用引导滤波进行平滑处理，以生成精确的模糊度贴图p
blr
，并构造第三个深度图db：
[0037]
p
blr
(x)＝fg{cr[pr(x)]}
ꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0038]
db(x)＝1-fs(p
blr
(x))
ꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0039]
其中，cr是空洞填充的形态重建算子，fg是引导滤波函数。
[0040]
所述的步骤(5)具体为：
[0041]
将步骤(3)得到的初始深度图作为水下图像前景区域的深度图，与步骤(4)得到的第三个深度图作为背景区域的深度图合并，构造最终深度图d
final
：
[0042][0043]
其中，为阈值，表示初始深度图df前90％的平均值。
[0044]
所述步骤(6)具体为：
[0045]
背景光表示为无穷远处水体(非物体)的光强最亮点，若背景区域含有过亮物体或者非水体部分，则会干扰背景光的判断，因此为了排除背景区域中其他物体对背景光的影响，首先，利用背景区域的梯度图，判断通过步骤(5)得到的背景区域中是否存在其他物体，若存在，则采用otsu算法将背景区域中其他物体去除。若不存在则不作任何处理，直接进入步骤(7)防止丢失水下图像中的背景信息。
[0046]
所述步骤(7)具体为：
[0047]
为了满足背景光最远以及最亮这两个要求，将分割后的最终深度图的前0.1％的区域作为最远区域，并在此基础上，选择该区域内前0.1％的最亮像素平均值为最终的背景光值b
∞c
：
[0048][0049]
其中，表示最终深度图的前0.1％像素值，表示原始图像的亮度通道前0.1％像素平均值。即(7)选取步骤(6)分割后的深度图前0.1％中最亮的0.1％像素值的平均值作为背景光。
[0050]
相比现有技术，本发明具有如下有益效果：
[0051]
本发明从水下机器人工作环境的特殊性出发，利用电荷耦合摄像相机获取的原始水下图像中的信息构造深度图；然后，利用最大类间方差法将原始图像背景区域中影响背景光获取的物体分割出；最后，选取分割后深度图的前0.1％的区域为最远区域，并在此基础上，选择该区域内前0.1％的最亮像素平均值作为背景光的值。通过本发明可以使水下机器人在利用电耦合摄像机获取图像后，能够快速求解其背景光，将背景光数据送入水下机器人主控制器中，为后续水下图像处理打下基础。
[0052]
本发明从水下机器人实际工作环境出发，关注人工光照对背景光的影响，设计了一种适用于人工光照环境下的背景光获取方法，为后续图像复原提供了更加准确的背景光数值，从而使得复原后的水下图像色彩自然，细节丰富。
[0053]
由于在水下机器人获取深海图像时处于人工光照状态，与一般自然光条件下不同，在同一景深处人工光照下目标物亮度高于水体亮度，现有的背景光获取方法大多都依赖于暗通道方法，但是暗通道法对于图片中明亮物体的处理会使背景光值偏大，为后续图像复原造成困难。本发明针对人工光照下的水下图像在进行图像复原时，背景光求解不准确的问题，提供了一种深度图融合的背景光获取方法，通过该方法所获取的背景光，可确保复原后的水下图像能够以达到的色彩自然，饱和度高，细节丰富的效果。
附图说明
[0054]
图1是人工光进行目标探测时的背景光获取方法示意图；
[0055]
图2是水下光学成像模型；
[0056]
图3是本发明人工光照环境下水下视觉图像的背景光获取方法的流程图；
[0057]
图4是本发明实验所用的原始水下退化图像；
[0058]
图5(a)是对应使用本发明方法对图4进行处理的结果；
[0059]
图5(b)是对应使用drews等人所提出的udcp算法对图4进行处理的结果；
[0060]
图5(c)是对应使用galdran等人所提出的的红通道先验算法对图4进行处理的结果；
[0061]
图5(d)是对应使用bianco等人所提出的mip算法对图4进行处理的结果；
[0062]
图5(e)是对应使用peng等人所提出的算法对图4进行处理的结果；
[0063]
图5(f)是对应使用chiang等人所提出的wcid算法对图4进行处理的结果。
具体实施方式
[0064]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明附图和实施例，对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0065]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。此外，术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾
斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0066]
参见图1和图2，涉及处于深海区域水下机器人仅依靠人工光进行目标探测时的背景光获取方法。在水下机器人获取深海图像时处于人工光照状态，与一般自然光条件下不同，在同一景深处人工光照下目标物亮度高于水体亮度，现有的背景光求解方法大多都依赖于暗通道方法，但是暗通道法对于图片中明亮物体的处理会使背景光值偏大，为后续图像复原造成困难。
[0067]
如图3所示，本发明提供一种人工光照环境下水下视觉图像的背景光获取方法，包括如下步骤：
[0068]
步骤(1)：通过原始图像的明通道图，构造第一个深度图。
[0069]
明通道是一种先验方法，表示在无雾图像中的大部分局部斑块中，至少在一个颜色通道中包含一些强度非常高的像素。由于人工光照下图像的前景与背景的明通道变化较大，使用明通道可以满足后续前背景分离的需求，并且基于明通道的深度图，符合人工光照充足环境下的特殊要求，因此采用明通道构造第一个深度图d
l
即：
[0070]dl
(x)＝1-fs(j
light
)
ꢀꢀꢀꢀꢀꢀꢀ
(1)
[0071][0072]
其中，fs表示灰度拉伸函数，j
light
表示明通道，即：
[0073][0074]
其中，jc(y)为原始水下图像，ω(x)一般设置为像素x周围的一个7
×
7像素的邻域。
[0075]
步骤(2)：通过原始图像的红色通道图，构造第二个深度图。
[0076]
在水下环境中红光对于深度变化较为敏感，因此能够较为准确地反映水下图像深度，并且步骤(1)所获取的第一个深度图在图像存在蓝色色偏时会将背景中的蓝色区域误判为前景。因此，为了弥补这一缺陷，并且为后续步骤(3)两个通道的融合做好准备，采用红色通道图构造第二个深度图图dr：
[0077]dr
(x)＝1-fs(r)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0078]
其中，r为红色通道，fs是灰度拉伸函数。
[0079]
步骤(3)：根据图像主色调，结合步骤(1)得到的第一个深度图与步骤(2)得到的第二个深度图，构造初始深度图。
[0080]
步骤(3)的主要目的是获取较好的初始深度图，从而能够以深度图的方式较好的区分水下图像的前景与背景，为步骤(5)做准备。结合步骤(1)得到的第一个深度图与步骤(2)得到的第二个深度图，构造初始深度图df：
[0081]df
(x)＝θd
l
(x)+(1-θ)dr(x)
ꢀꢀꢀꢀꢀꢀ
(5)
[0082]
θ＝s(abs(c(1)-c(0)),20)
ꢀꢀꢀꢀꢀꢀꢀ
(6)
[0083]
其中，θ代表图像的色偏值，c为利用中位切分法所获取的图像的主色调(c(0)、c(1)与c(2)分别表示主色调的红、绿与蓝颜色通道)，s为sigmoid函数，abs为绝对值。
[0084]
当abs(c(1)-c(0))《《20，θ＝0时，水下环境存在蓝色色偏，d
l
作为深度图，会将蓝色的背景区域错误的认作为前景。由于水下红色通道值较低，并且此时与绿色通道值相接近，与蓝色为通道值相差较大，能够较为准确的将蓝色背景区分开来，因此，此时采用dr作为深度图。
[0085]
当abs(c(1)-c(0))》》20，θ＝1时，水下环境总体色调无较大色偏或者存在绿色色偏，此时dr会将蓝色的前景目标物误判为背景。由于明通道在蓝色光较少的情况下，仍能准确地将前景中的目标物分辨出来，因此，此时采用d
l
(x)作为深度图。
[0086]
在这两个极端之间，初始深度图来自两种方法的加权组合。
[0087]
步骤(4)：通过原始图像的模糊度图，构造第三个深度图。
[0088]
由于水下图像背景区域人工光照强度比前景低，并且考虑到背景区域较为平坦且模糊的特点，采用模糊度图构造第三个深度图。
[0089]
首先，求解粗糙模糊度图pr：
[0090][0091]
其中，g为高斯滤波器滤波的输入图像，ri＝2in+1，n一般取值为4，ig为灰度图，ω(x)一般设置为像素x周围的一个7
×
7像素的邻域。
[0092]
然后，通过使用形态学重建填充pr中的孔洞，从而细化pr，并使用引导滤波进行平滑处理，以生成精确的模糊度贴图p
blr
，并构造第三个深度图db：
[0093]
p
blr
(x)＝fg{cr[pr(x)]}
ꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0094]
db(x)＝1-fs(p
blr
(x))
ꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0095]
其中，cr是空洞填充的形态重建算子，fg是引导滤波函数。
[0096]
步骤(5)：根据步骤(3)得到初始深度图将该深度图划分为前景与背景两个区域，并结合步骤(4)得到的第三个深度图，优化初始深度图的背景区域，从而构造最终的度图。
[0097]
将步骤(3)得到的初始深度图作为水下图像前景区域的深度图，与步骤(4)得到的第三个深度图作为背景区域的深度图合并，构造最终深度图d
final
：
[0098][0099]
其中，为阈值，表示初始深度图df前90％的平均值。
[0100]
步骤(6)：判断通过步骤(5)得到的背景区域中是否有其他物体干扰背景光，若有，则利用otsu算法将背景区域中其他物体去除；若没有，则直接进入步骤(7)。
[0101]
背景光表示为无穷远处水体(非物体)的光强最亮点，若背景区域含有过亮物体或者非水体部分，则会干扰背景光的判断，因此为了排除背景区域中其他物体对背景光的影响，首先，利用背景区域的梯度图，判断通过步骤(5)得到的背景区域中是否存在其他物体。若存在，则采用otsu算法将背景区域中其他物体去除；若不存在，则不作任何处理，直接进入步骤(7)防止丢失水下图像中的背景信息。
[0102]
步骤(7)：选取步骤(6)分割后的深度图前0.1％中最亮的0.1％像素值的平均值作
为背景光。
[0103]
为了满足背景光最远以及最亮这两个要求，将分割后的最终深度图的前0.1％的区域作为最远区域，并在此基础上，选择该区域内前0.1％的最亮像素平均值为最终的背景光值b
∞c
：
[0104][0105]
其中，表示最终深度图的前0.1％像素值，表示原始图像的亮度通道前0.1％像素平均值。
[0106]
应用案例
[0107]
为验证本发明所述适用于人工光照下基于多帧图像的水下图像复原方法的有效性，将本发明方法与drews等人的udcp算法、galdran等人的红通道先验算法、bianco等人的mip算法、peng等人的基于图像模糊和光吸收的水下图像复原算法、chiang等人的wcid算法进行实验对比。
[0108]
参见图4，本发明实验所用的原始水下退化图像，作为复原效果的参考对比。
[0109]
参见图5，为水下图像复原效果对比。其中：
[0110]
图5(a)对应使用本发明方法对图3进行处理的结果；
[0111]
图5(b)对应使用drews等人所提出的udcp算法对图3进行处理的结果；
[0112]
图5(c)对应使用galdran等人所提出的的红通道先验算法对图3进行处理的结果；
[0113]
图5(d)对应使用bianco等人所提出的mip算法对图3进行处理的结果；
[0114]
图5(e)对应使用peng等人所提出的算法对图3进行处理的结果；
[0115]
图5(f)对应使用chiang等人所提出的wcid算法对图3进行处理的结果。
[0116]
结合附图5(a)的实验效果对比可知，本发明方法处理后的图像中清晰度有效提升，目标物细节更加明显，复原后的图像颜色相比其他方法更为自然。
[0117]
为了更加客观地对算法实验效果进行图像质量评价，本发明选取两种常用的水下图像质量评价指标uciqe(underwater color image quality evaluation)和uiqm(underwater image quality measurement)作为水下图像复原效果质量评价指标。uciqe反映的是对水下图像复原后的色偏、模糊和对比度之间线性的定量评估结果，其数值越大说明图像处理后的效果越好；uiqm则主要是采用色彩测量指标(uicm)、清晰度测量指标(uism)和对比度测量指标(uiconm)三者的线性组合作为评价依据，其值越大，表示处理后的图像的颜色平衡、清晰度、对比度越好。
[0118]
由图5(b)至(f)的原始彩色图像可以清晰看到，drews等人的udcp算法处理后的图像中目标物上出现明显的光晕，亮度增强过度，且该算法对红通道的补偿错误导致图像偏红；galdran等人的红通道先验算法处理后的图像整体背景偏红，且目标物中的蓝色球经过复原处理后几乎与背景融为一体；bianco等人的mip算法处理后的图像颜色失真严重；peng等人的基于图像模糊和光吸收的水下图像复原算法将原始水下图像较暗的背景错误增强变蓝，并使得处理后的图像整体颜色变深；chiang等人的wcid算法处理后的图像虽然目标物颜色较好，但背景偏灰，目标物细节丢失。
[0119]
综上，不同算法图像复原结果定量分析结果如表1所示，对比分析各个方法之间的评价指标可知，本发明方法在uciqe和uiqm两项客观评价指标上均优于其他水下图像复原
算法，因此针对存在人工光源的浑浊水体环境，本发明相比于其他水下图像复原算法能更好地实现水下图像复原。
[0120]
表1不同算法之间的客观评价指标对比
[0121][0122]
综上，本发明针对人工光照下的水下图像在进行图像复原时，背景光求解不准确的问题，提供了一种深度图融合的背景光获取方法，通过该方法所获取的背景光，可确保复原后的水下图像能够以达到的色彩自然，饱和度高，细节丰富的效果。
[0123]
最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。

技术特征：
1.一种人工光照环境下水下视觉图像的背景光获取方法，其特征在于，从水下机器人工作环境出发，利用电荷耦合摄像相机获取原始水下图像中的信息构造深度图；然后，利用最大类间方差法将原始图像背景区域中影响背景光获取的物体分割出；最后，选取分割后深度图的前0.1％的区域为最远区域，并选择该区域内前0.1％的最亮像素平均值作为背景光的值。2.根据权利要求1所述人工光照环境下水下视觉图像的背景光获取方法，其特征在于，包含以下步骤：(1)利用水下机器人获取原始水下原始图像，通过原始图像的明通道图，构造第一个深度图；(2)通过原始图像的红色通道图信息，构造第二个深度图；(3)根据图像主色调，结合步骤(1)得到的第一个深度图与步骤(2)得到的第二个深度图，构造初始深度图；(4)通过原始水下图像中的模糊度信息构造第三个深度图；(5)根据步骤(3)得到初始深度图将该深度图划分为前景与背景两个区域，并结合步骤(4)得到的第三个深度图，优化初始深度图的背景区域，从而构造最终的度图；(6)判断通过步骤(5)得到的背景区域中是否有其他物体干扰背景光的求解；若有，则利用otsu算法将背景区域中其他物体去除；若没有，则直接进入步骤(7)；(7)选取步骤(6)分割后的深度图前0.1％中最亮的0.1％像素值的平均值作为背景光。3.根据权利要求2所述人工光照环境下水下视觉图像的背景光获取方法，其特征在于，所述步骤(1)构造的第一个深度图d
l
为：d
l
(x)＝1-f
s
(j
light
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，f
s
(x)表示灰度拉伸函数，j
light
表示明通道,即：其中，j
c
为原始水下图像，ω(x)一般设置为像素x周围的一个7
×
7像素的邻域。4.根据权利要求2所述人工光照环境下水下视觉图像的背景光获取方法，其特征在于，所述步骤(2)中的红色通道图构造第二个深度图d
r
为：其中，r为红色通道值，f
s
是灰度拉伸函数，i
r
为图像红色通道，ω(x)一般设置为像素x周围的一个7
×
7像素的邻域。5.根据权利要求2所述人工光照环境下水下视觉图像的背景光获取方法，其特征在于，所述步骤(3)是结合步骤(1)的第一个深度图与步骤(2)的第二个深度图，构造初始深度图d
f
：d
f
(x)＝θd
l
(x)+(1-θ)d
r
(x)
ꢀꢀꢀꢀꢀꢀ
(5)θ＝s(abs(c(1)-c(0)),20)
ꢀꢀꢀꢀꢀꢀꢀ
(6)
其中，θ代表图像的色偏值，c为利用中位切分法所获取的图像的主色调(c(0)、c(1)与c(2)分别表示主色调的红、绿与蓝颜色通道)，s为sigmoid函数，abs为绝对值；当abs(c(1)-c(0))<<20，θ＝0时，水下环境存在蓝色色偏，将d
l
作为深度判断，会将蓝色的背景区域错误的认作为前景，此时采用d
r
作为深度图；当abs(c(1)-c(0))>>20，θ＝1时，水下环境总体色调无较大色偏或者存在绿色色偏，此时d
r
会将蓝色的前景目标物误判为背景；此时采用d
l
(x)作为深度图；在这两个极端之间，初始深度图来自两种方法的加权组合。6.根据权利要求2所述人工光照环境下水下视觉图像的背景光获取方法，其特征在于，所述步骤(4)采用模糊度图构造第三个深度图；首先，求解粗糙模糊度图p
r
：其中，g为高斯滤波器滤波的输入图像，r
i
＝2
i
n+1，n一般取值为4，i
g
为灰度图，ω(x)一般设置为像素x周围的一个7
×
7像素的邻域；然后，通过使用形态学重建填充p
r
中的孔洞，从而细化p
r
，并使用引导滤波进行平滑处理，以生成精确的模糊度贴图p
blr
，并构造第三个深度图d
b
：p
blr
(x)＝f
g
{c
r
[p
r
(x)]}
ꢀꢀꢀꢀꢀꢀꢀꢀ
(8)d
b
(x)＝1-f
s
(p
blr
(x))
ꢀꢀꢀꢀꢀꢀꢀꢀ
(9)其中，c
r
是空洞填充的形态重建算子，f
g
是引导滤波函数。7.根据权利要求2所述人工光照环境下水下视觉图像的背景光获取方法，其特征在于，所述步骤(5)具体为：将步骤(3)得到的初始深度图作为水下图像前景区域的深度图，与步骤(4)得到的第三个深度图作为背景区域的深度图合并，构造最终深度图d
final
：其中，为阈值，表示初始深度图d
f
前90％的平均值。8.根据权利要求2所述人工光照环境下水下视觉图像的背景光获取方法，其特征在于，所述步骤(6)具体为：首先，利用背景区域的梯度图，判断通过步骤(5)得到的背景区域中是否存在其他物体；若存在，则采用otsu算法将背景区域中其他物体去除；若不存在，则不作任何处理，直接进入步骤(7)防止丢失水下图像中的背景信息。9.根据权利要求2所述人工光照环境下水下视觉图像的背景光获取方法，其特征在于，所述步骤(7)具体为：为了满足背景光最远以及最亮这两个要求，将分割后的最终深度图的前0.1％的区域作为最远区域，并在此基础上，选择该区域内前0.1％的最亮像素平均值为最终的背景光值b
∞c
：其中，表示最终深度图的前0.1％像素值，表示原始图像的亮度通道前0.1％
像素平均值。

技术总结
本发明涉及一种人工光照环境下水下视觉图像的背景光获取方法，属于水下机器人技术领域。该方法从水下机器人工作环境的特殊性出发，利用电荷耦合摄像相机获取的原始水下图像中的信息构造深度图；然后，利用最大类间方差法将原始图像背景区域中影响背景光获取的物体分割出；最后，选取分割后深度图的前0.1%的区域为最远区域，并在此基础上，选择该区域内前0.1%的最亮像素平均值作为背景光的值。通过本发明可以使水下机器人在利用电耦合摄像机获取图像后，能够快速求解其背景光，将背景光数据送入水下机器人主控制器中，为后续水下图像处理打下基础。像处理打下基础。像处理打下基础。


技术研发人员：熊竞 张天驰
受保护的技术使用者：重庆交通大学
技术研发日：2023.04.06
技术公布日：2023/8/1