本发明属于水下图像数据处理分析，尤其涉及一种用于水下光源图像的递归自适应颜色校正方法。
背景技术：
1、由于海洋环境较为复杂，而且由于光的吸收和散射作用以及水中的微生物、藻类、杂质等的影响导致获取的水下图像视觉效果不好，比如图像整体模糊，噪声较多，颜色失真等。图像的失真直接影响了图像后续的使用价值。这就需要水下图像增强技术，突出图像中人们的目标信息、特征以及细节，以满足人们对图像中信息的获取和利用。
2、与此同时，我国近海沿岸的水质比较浑浊，再加上水介质的衰减作用，使光子的能量在水中的传播时被吸收或在传播方向上散射，尤其是散射效应使得目标物的反射光子或照明路径中的后向散射光子会在成像界面中产生很多的噪点，降低目标物的对比度，甚至淹没图像。我们必须要对图像进行增强或复原，才能对水下的真实情况和信息进行了解，以便于更好的研究和利用图像对水下的勘测和分析。所以，图像增强对于水下资源的探索就显得尤其重要且不可或缺。
技术实现思路
1、针对上述问题，本发明第一方面提出了一种用于水下光源图像的递归自适应颜色校正方法，包括以下步骤：
2、步骤1，获取拍摄的水下光源图像，把图像裁剪为固定大小；
3、步骤2，对图像分块，原始图像被划分成若干数行和列，通过计算边界区域处每个图块的熵来划分图像；
4、步骤3，进行分块后的图像递归处理；从原始图像提取图块，提取上一个图块的一半以与下一图块的一半组合并产生新的直方图，然后将此过程递归地重复到所有图块，生成递归处理后的直方图；
5、步骤4，通过白平衡对递归处理后的直方图均衡rgb通道；
6、步骤5，在rgb颜色模型下进行对比度校正；
7、步骤6，转换到hsi颜色模型进行对比度校正，对饱和度s和强度i分量进行双边拉伸；
8、步骤7，处理的通道被再次组合，输出完成校正后的图像。
9、优选的，所述步骤2的具体过程为：
10、原始图像边界被分成具有8列和8行的t块；接下来，计算每个图块的熵，然后，分别计算四个边界图块的平均熵值，并与相对边的平均熵值进行比较，即将右侧与左侧进行比较，将顶侧与底侧进行比较；下列公式用于确定图像边的平均熵hmean值：
11、
12、其中，hx是指图像边界处的每个图像块的熵值，其中1≤x≤8；t是图块的编号；
13、根据图像的性质和熵的计算，逐列地或逐行地划分图像；如果最低熵值显示在左边缘和右边界处或者其中之一处，那么图像被逐行划分；如果最低熵值显示在顶部和底部边界处或者其中之一处，那么图像将被逐列划分。
14、优选的，所述步骤3生成递归处理后的直方图后要对划分的每个小区域都必须使用对比度限幅，通过设定一个阈值来裁剪直方图来限制放大幅度，减掉直方图中超过阈值的部分，限制某个灰度值的最大像素数，将裁剪掉的部分均匀的分布到直方图的其他部分。
15、优选的，所述步骤4具体为：
16、计算r、g、b各个通道的最大值；用ir(i,j)，ig(i,j)和ib(i,j)分别表示为一幅尺寸为m×n像素的rgb图像的红色，绿色和蓝色分量，其中i＝1,……,m，j＝1,……,n；计算每个颜色分量的最大像素值rmax，gmax和bmax：
17、
18、使用上述公式找到突出的色偏通道，计算每个颜色分量rarg，garg和barg的平均值：
19、
20、使用相对较高值的颜色分量来增加其它本颜色分量；基于主色调，如下面的公式所示，计算两个增益因子：
21、
22、将最高颜色通道设置为目标平均值，并且为了产生均衡图像，剩余的颜色通道被确定用乘法器来匹配；
23、使用两个颜色通道来减少受影响图像的色偏问题；基于von kries假说，将颜色通道的值由下列公式来调整：
24、
25、其中ir(i,j)和ig(i,j)是图像中的原始像素值，和是调整的像素值。
26、优选的，所述步骤5具体为：
27、找到直方图中的最小像素值和最大像素值，通过剪切直方图的两侧，即从直方图的两侧切除若干像素值，获得更清晰的图像，选择0.2％和99.8％作为裁剪的决定因素；图像忽略在0.2％到99.8％范围之外所有的像素值，并且应用对比度校正方法对内部像素值重新分布；
28、对比度校正方法将线性缩放函数应用于在0.2％至99.8％范围内的那些像素，每个像素使用以下公式进行缩放：
29、
30、其中，p0是归一化的像素值；pi是所考虑的像素值；a是所需范围的最小值；b是所需范围的最大值；c是当前在图像中存在的最低像素值；d是当前在图像中存在的最高像素值；
31、当对比度拉伸算法应用于彩色图像时，使用相同的缩放来拉伸每个通道以保持正确的颜色比率。
32、优选的，所述步骤6的具体过程为：
33、hsi颜色模型通过控制图像的颜色元素提供更宽的颜色范围，通过控制饱和度s和强度i，通过使用饱和度s增加真实颜色，并通过强度i解决照明问题；使用向下朝向暗侧和向上朝向亮侧两个方向进行调整，通过应用图像的直方图并将其拉伸后重新分布在可能值的最大范围的图像变化上来进行。
34、优选的，在图像分块处理处理时，通过双线性插值在图块映射之间进行插值，去除人为产生的图块边界，考虑未知点p(x,y)的强度值以及假设的四个点q11(x1,y1)，q12(x1,y2)，q21(x2,y1)，q22(x2,y2)处的已知强度值，通过p(x,y)和其他四个已知点之间的距离的平均值来计算点p(x,y)处的强度值，作为插值；具体过程为：
35、假设函数f(x,y)为p点的值，则计算通过计算x方向的点f(x,y1)和f(x,y2)处的强度值开始；
36、首先在x方向进行插值，得到：
37、
38、然后在y方向进行插值，得到：
39、
40、即：
41、
42、则所求得的f(x,y)即为点p(x,y)处的强度值。
43、本发明第二方面提供了一种用于水下光源图像的递归自适应颜色校正设备，所述设备包括至少一个处理器和至少一个存储器，所述处理器和存储器相耦合；所述存储器中存储有计算机执行程序；所述处理器执行所述存储器存储的计算机执行程序时，使得所述设备执行如第一方面所述的一种用于水下光源图像的递归自适应颜色校正方法。
44、本发明第三方面提供了一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有如程序或指令，所述程序或指令被处理器执行时，使得计算机执行如第一方面所述的一种用于水下光源图像的递归自适应颜色校正方法。
45、与现有技术相比，本发明具有如下有益效果：
46、本发明主要提供了一种用于水下光源图像的递归自适应颜色校正方法，基于颜色平衡、rgb颜色模型和对比度校正hsi颜色模型的对比度和色彩的校正。大部分的水下图像都是在光照不均匀的条件下获取的，会导致图像在一般增强方法处理后的彩色图像会出现局部颜色不均匀的情况。本算法分小块进行局部处理的方式，对每小块区域递归地进行限制对比度然后运用颜色校正模型算法，并且使用双线性插值来提高算法的效率，并且消除图块之间产生人工边界，同时质量上没有下降。
47、本发明解决了水下图像模糊的问题；与现有的传统方法相比，具有较高的信息熵、平均梯度、峰值信噪比和边缘个数，以及较低的均方误差，较少的运行时间；实验结果部分证明了本发明显著地实现了水下图像增强效果。
1.一种用于水下光源图像的递归自适应颜色校正方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种用于水下光源图像的递归自适应颜色校正方法，其特征在于，所述步骤2的具体过程为：
3.如权利要求1所述的一种用于水下光源图像的递归自适应颜色校正方法，其特征在于：所述步骤3生成递归处理后的直方图后要对划分的每个小区域都必须使用对比度限幅，通过设定一个阈值来裁剪直方图来限制放大幅度，减掉直方图中超过阈值的部分，限制某个灰度值的最大像素数，将裁剪掉的部分均匀的分布到直方图的其他部分。
4.如权利要求1所述的一种用于水下光源图像的递归自适应颜色校正方法，其特征在于，所述步骤4具体为：
5.如权利要求1所述的一种用于水下光源图像的递归自适应颜色校正方法，其特征在于，所述步骤5具体为：
6.如权利要求1所述的一种用于水下光源图像的递归自适应颜色校正方法，其特征在于，所述步骤6的具体过程为：
7.如权利要求1所述的一种用于水下光源图像的递归自适应颜色校正方法，其特征在于：在图像分块处理处理时，通过双线性插值在图块映射之间进行插值，去除人为产生的图块边界，考虑未知点p(x,y)的强度值以及假设的四个点q11(x1,y1)，q12(x1,y2)，q21(x2,y1)，q22(x2,y2)处的已知强度值，通过p(x,y)和其他四个已知点之间的距离的平均值来计算点p(x,y)处的强度值，作为插值；具体过程为：
8.一种用于水下光源图像的递归自适应颜色校正设备，其特征在于：所述设备包括至少一个处理器和至少一个存储器，所述处理器和存储器相耦合；所述存储器中存储有计算机执行程序；所述处理器执行所述存储器存储的计算机执行程序时，使得所述设备执行如权利要求1至7任意一项所述的一种用于水下光源图像的递归自适应颜色校正方法。
9.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有如程序或指令，所述程序或指令被处理器执行时，使得计算机执行如权利要求1至7任意一项所述的一种用于水下光源图像的递归自适应颜色校正方法。
