【图像增强】基于matlab DEHAZENET和HWD的水下去散射图像增强【含Matlab源码 087期】

海神之光

已于 2024-02-01 10:55:40 修改

阅读量1.6k

点赞数 1

分类专栏： Matlab图像处理（进阶版）文章标签： matlab

于 2021-01-10 09:30:37 首次发布

代码事宜私信博主

本文链接：https://blog.csdn.net/TIQCmatlab/article/details/112424542

版权

Matlab图像处理（进阶版）专栏收录该内容

765 篇文章 777 订阅

订阅专栏

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。

⛄一、图像增强技术简介

图像增强
图像增强是对图像的某些特征，如边缘、轮廓、对比度等进行强调或锐化，以便于显示、观察或进一步分析与处理。通过对图像的特定加工，将被处理的图像转化为对具体应用来说视觉质量和效果更“好”或更“有用”的图像。
图像增强是最基本最常用的图像处理技术，常用于其他图像处理的预处理阶段。
在这里插入图片描述
（1）高通平滑、低通锐化；平滑模糊、锐化突出图像细节
（2）滤波器还有带通、带阻等形式
（3）根据噪声（椒盐噪声、高斯噪声…）的不同，选用不同的滤波
（4）邻域有4-邻域、对角邻域、8-邻域，相对应的有邻接，即空间上相邻、像素灰度相似
（5）图像边缘处理：忽略不处理、补充、循环使用
（6）目前尚未图像处理大多基于灰度图像

去散射和边缘增强是解决水下图像的对比度严重衰减、颜色偏差和边缘模糊等问题的关键步骤。这篇论文提出了一种较好的水下图像增强的方法。首先使用经过端到端训练的卷积神经网络去测量输入图片，同时以自适应双边滤波器对传输图片进行处理。接着提出一种基于白平衡的策略来消除图片的颜色偏差，用拉普拉斯金字塔融合获得无雾和色彩校正图像的融合结果。最后，输出图像被转换为混合小波和方向滤波器组（HWD）域，用于去噪和边缘增强。实验结果表明，该方法可以消除颜色失真，提高水下图像的清晰度。

⛄二、部分源代码

clc;
clear;
addpath(‘codes’)
addpath(‘Images’)

FileName = uigetfile({‘.jpg;.bmp;*.png’},‘Optional images’,‘Images’);
input = imread(FileName);
output = underwater(input);
underwaterimage2(input);

%i=40; %Saved images number
%saveas(1,[‘./myresults/’,num2str(i),‘.jpg’]);

function sum_img = window_sum_filter(image, r)

% sum_img(x, y) = = sum(sum(image(x-r:x+r, y-r:y+r)));

[h, w] = size(image);
sum_img = zeros(size(image));

% Y axis
im_cum = cumsum(image, 1);

sum_img(1:r+1, 😃 = im_cum(1+r:2r+1, 😃;
sum_img(r+2:h-r, 😃 = im_cum(2r+2:h, 😃 - im_cum(1:h-2r-1, 😃;
sum_img(h-r+1:h, 😃 = repmat(im_cum(h, 😃, [r, 1]) - im_cum(h-2r:h-r-1, 😃;

% X axis
im_cum = cumsum(sum_img, 2);

sum_img(:, 1:r+1) = im_cum(:, 1+r:2r+1);
sum_img(:, r+2:w-r) = im_cum(:, 2r+2:w) - im_cum(:, 1:w-2r-1);
sum_img(:, w-r+1:w) = repmat(im_cum(:, w), [1, r]) - im_cum(:, w-2r:w-r-1);

end

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]杨淼,王海文,胡珂,殷歌,胡金通.一种基于色彩补偿的水下图像综合增强算法[J].图学学报. 2021,42(01)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流人群疏散病毒扩散晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合