傅 博, 王瑞子, 王麗妍, 張湘怡

(遼寧師范大學 計算機與信息技術學院, 遼寧 大連 116081)

0 引 言

水下圖像是海洋生物多樣性觀測和海洋環(huán)境監(jiān)測的重要信息載體. 但由于水下成像環(huán)境較復雜, 水下成像系統(tǒng)潛入到海底深處后會因光照、 介質、 波長、 震蕩等原因導致圖像退化, 產生諸如水下圖像顏色偏藍、 偏綠、 清晰度下降、 細節(jié)信息丟失等問題, 如圖1所示. 由圖1可見, 這種退化不僅影響觀測的視覺感受, 且嚴重影響識別、 跟蹤、 顏色分析等高層計算機視覺任務. 因此, 通過水下圖像處理算法, 能較好地改善水下圖像質量, 對海洋生物的分類識別乃至海洋生物多樣性觀測具有重要價值.

圖1 干凈水下圖像(A)與真實水下退化圖像(B)Fig.1 Clean underwater images (A) and real underwater degraded images (B)

水下圖像處理技術分為傳統(tǒng)的圖像優(yōu)化算法和基于卷積神經網絡的圖像優(yōu)化算法兩類. 傳統(tǒng)的圖像優(yōu)化算法又可分為水下圖像復原和水下圖像增強兩部分, 其中水下圖像復原算法主要側重于水下圖像的細節(jié)修復, 而水下圖像增強更側重于水下圖像整體色彩的調整. Schechner等[1]基于消除水下圖像的偏振干擾, 通過在相機攝像頭上安裝可調試的偏振器, 獲得了同一場景下不同偏角的多角度水下圖像, 結合多張圖像以及計算出的偏振度, 便可估計場景深度, 從而達到圖片復原效果. Li等[2]提出了除霧和顏色校正水下圖像復原的方法, 先用一種簡單算法對圖像進行預處理, 再通過調整飽和度強度、 拉伸直方圖等方式增強水下圖像, 提高圖像對比度. He等[3]提出了一種暗通道先驗(DCP)去霧圖像增強方法, 可用于水下圖像修復. 張凱等[4]提出了一種基于多尺度Retinex的算法, 以此提升圖片的全局效果, 并使圖像色彩展現更豐富. Zhang等[5]提出了一種擴展Retinex框架, 利用雙邊和三邊濾波器對水下圖像不同顏色的通道進行處理, 并達到圖像復原效果. 馮輝等[6]提出了一種基于直方圖均衡化的水下圖像增強算法, 通過較窄的單峰式直方圖變?yōu)榫夥植嫉闹狈綀D, 使圖像對比度增強, 從而達到圖像優(yōu)化的效果. Ancuti等[7]提出了一種基于融合原理的水下圖像增強算法, 利用多尺度融合技術, 避免了圖像在輸出時產生的光影, 并且解決了水下圖像不清晰、 對比度較差、 色彩差異等問題. Garcia等[8]提出了一種用同態(tài)濾波解決水下霧化、 顏色偏藍綠等問題, 將像素灰度變換與頻率過濾相結合, 改善圖像動態(tài)范圍, 提高圖像對比度, 增強圖像質量. Chiang等[9]提出了利用補償光在水中的衰退系數達到水下圖像增強的效果, 通過對人工照明與非人工照明區(qū)域進行補償, 以該方式對圖像進行優(yōu)化. Galdran等[10]提出了一種利用紅通道方式恢復水下圖像的算法, 利用該算法可恢復與短波相關的顏色, 從而恢復丟失的信息, 提升圖像對比度. 盡管傳統(tǒng)算法在一定程度上可減少圖像模糊程度、 增強邊緣、 去除藍綠, 但傳統(tǒng)算法普遍存在顏色主體信息不突出、 清晰度較差、 色彩模糊等問題, 因此還需進一步完善.

近年來, 隨著人工智能技術的發(fā)展, 深度學習在計算機視覺、 圖像處理與分析等相關領域取得了很多成果. 基于深度學習圖像修復與增強的研究早期側重于自然圖像. 例如, Dong等[11]提出了一種圖像超分辨率重建(SRCNN)算法, 該算法使用卷積神經網絡擬合低分辨率圖像和高分辨率圖像的映射, 是一種端到端的方法, 保證了圖像重建達到較好的效果, 目前該算法在醫(yī)學成像領域具有重要價值. Zhang等[12]提出了一種深度殘差網絡(RCAN)算法, 通過跳躍鏈接的殘差塊構造高頻信息的學習網絡, 該網絡在圖像增強領域取得了很好的精度和效果. Zhang等[13]提出了一種簡捷快速的神經網絡去噪器, 該模型利用變量分裂技術, 去噪先驗可作為基于模型優(yōu)化方法的一個模塊解決其他模糊或噪聲等問題, 該算法可在低視覺應用中提供良好的性能. 之后, Zhang等[14]又進一步提出了一個深度殘差網絡的高斯去噪算法, 能對未知的高斯噪聲去噪, 可解決高斯、 超分、 JPEG圖像的塊效應問題. Liu等[15]提出了一種非局部遞歸網絡的圖像恢復算法, 通過在神經網絡中引入非局部方法, 進行端到端的訓練去捕捉一個特征與其鄰近的特征相關性, 在一定程度上擴展了網絡的寬度, 進而改善了效果. 徐巖等[16]提出了一種基于傳統(tǒng)神經網絡的水下圖像優(yōu)化算法, 首先根據水下成像模型生成模擬水下圖像, 其次建立生成的水下圖像與真實水下圖像之間的映射關系, 最后神經網絡通過這種映射關系提取圖像特征, 以減少噪聲、 增強清晰度, 從而對水下圖像進行恢復, 但由于該網絡較小且只有單一的映射學習方式, 所以該算法增強能力較弱. Li等[17]提出了一種端到端的學習方式, 通過大量的訓練圖像數據集與一些水下的深度數據作為一種端到端的輸入, 可粗略學習到水下場景深度估計, 以此恢復圖像特征, 增強視覺效果. Liu等[18]提出了一種基于深度殘差網絡框架的水下圖像增強算法, 通過引入超分辨率重建模型的方式提高水下圖像質量, 但該方法提取特征能力較差, 導致上采樣時信息不能準確還原, 所以圖像增強能力有限. Li等[19]提出了WaterNet, 使用大規(guī)模真實的水下圖像與其相對應的真實圖像構建水下增強基準建立水下圖像增強網絡, 該算法有較好的水下圖像增強效果. Islam等[20]提出了FUnIE-GAN網絡, 通過對目標函數多方式的調整, 基于圖像內容、 顏色、 紋理細節(jié)等方面恢復水下圖像的真實顏色, 但由于該模型網絡較淺, 使網絡不能完全學習到圖像全部特征而導致泛化能力較弱, 所以該算法具有局限性.

盡管基于深度學習圖像修復與增強在自然圖像領域已取得顯著效果, 但由于水下環(huán)境的特殊性, 自然圖像的增強算法并不完全適用于水下圖像. 基于此, 本文提出一種基于深度卷積神經網絡的水下偏色圖像增強方法.

1 傳統(tǒng)神經網絡水下圖像優(yōu)化算法

水下圖像增強算法的核心任務是對水下圖像去模糊、 去藍綠偏色, 并實現輸出圖與清晰圖之間端到端的映射, 使兩張圖像之間差異達到最小化, 用公式表示為

(1)

其中J(x)表示清晰圖像,Y表示網絡輸出圖像.算法的目標是尋找一種使函數最小化的映射.

1.1 水下圖像成像模型

光在深海環(huán)境中傳播時, 會受水體的吸收和散射作用. 水下成像主要由相機接收到光線衰減后的直接分量、 前向散射分量、 后向散射分量三部分組成, 如圖2所示. 水下相機接收到的衰減后直接分量是指場景反射光在傳播過程中經過衰減后到達相機的部分； 前向散射分量是指光經場景表面反射后在傳播過程中發(fā)生小角度散射的部分； 后向散射分量是指背景光經懸浮粒子散射后到達相機的部分. 考慮到上述成像因素, 水下圖像成像模型可表示為

圖2 水下成像模型Fig.2 Underwater image formation model

I(x)=J(x)t(x)+A(1-t(x)),

(2)

其中x表示水下圖像中第x個像素,J(x)表示水下的清晰圖像,A表示大氣光散射函數,I(x)表示真實被退化后的水下圖像,t(x)表示透射率.透射率與場景深度之間有固定的函數關系, 其相關性可定義為

t(x)=e-βd(x),

(3)

其中d(x)表示場景深度,β表示衰減系數.

1.2 基于深度學習的水下圖像增強算法

隨著基于深度學習圖像處理技術的不斷發(fā)展, 傳統(tǒng)端到端的任務已不能進一步挖掘各領域任務中數據的獨特性, 因此如何利用具體的領域知識與模型構建深度學習任務變得更重要.

圖3為基于卷積神經網絡的經典水下圖像增強模型結構.由圖3可見, 傳統(tǒng)卷積神經網絡水下增強網絡模型主要由特征提取模塊、 特征映射模塊和圖像重建模塊組成.

圖3 神經網絡算法模型Fig.3 Neural network algorithm model

特征提取模塊包含一個卷積核為7×7的卷積層, 共64個卷積核.網絡通過卷積操作提取特征, 公式為

Y=W*I(x),

(4)

其中Y表示生成的水下圖像,W表示卷積核(由n×f×f個參數組成),n表示卷積核數量,f表示卷積核大小,I(x)表示輸入的水下圖像.

特征映射模塊包含兩個卷積層.每個卷積層由5×5大小的卷積核組成, 特征提取卷積層經過映射后到達特征映射模塊第一個卷積層, 實現了從高維度到低維度的映射, 再經過一個卷積層增加模型的非線性.

圖像重建模塊主要通過重建后得到的結果圖與清晰圖像之間的迭代, 不斷調整參數.網絡采用均方誤差(mean squared error, MSE)作為損失函數, 表示為

(5)

其中J(xi)為第i組的清晰圖像值,Yi為網絡中第i組的輸出值,m為訓練的數據集大小.

上述傳統(tǒng)基于卷積神經網絡的方法雖然在一定程度上解決了傳統(tǒng)水下圖像算法的偏色、 清晰度低、 模糊、 色彩單一等問題, 但由于網絡較淺、 提取特征不全面, 導致網絡泛化性較差, 且網絡只有一種端到端的映射學習方式, 使網絡不能深度提取特征信息, 導致圖像增強效果不顯著.

2 本文算法

一般水下圖像學習通常采用三通道方法.該方法雖然可在一定程度上學習到水下圖像特征, 但由于水下環(huán)境復雜, 生成的水下圖像嚴重偏色, 使一般的學習方法學到圖像特征的難度較大, 導致學習效果較差.因此, 本文提出一種基于深度卷積神經網絡的水下偏色圖像增強算法的模型結構, 用于挖掘更多的特征信息及網絡輸出與標準圖像的關系.該算法首先在U-net模型的基礎上進一步加深網絡, 從而提取到更深層次的特征信息, 用跳躍連接方式進行圖像優(yōu)化； 其次, 網絡采用學習輸入圖像I(x)與輸出圖像Y之間殘余偏色圖的方法增強圖像, 該方法可提高網絡的泛化性.將這種學習策略應用到網絡中, 不僅可更深入、 更全面地提取信息, 還可減少過擬合問題, 使網絡訓練更簡捷有效.圖4為干凈水下圖像與偏色水下圖像的細節(jié)對比.由圖4可見, 整體的水下圖像偏色嚴重, 清晰度退化.

圖4 干凈水下圖像(A)與偏色水下圖像(B)細節(jié)對比Fig.4 Detail contrast between clean underwater images (A) and color cast underwater images (B)

2.1 網絡結構

傳統(tǒng)的U-net模型由下采樣、 上采樣和跳躍連接三部分組成. 首先, 輸入一張圖片, 通過卷積和下采樣降低圖片尺寸, 提取淺層特征； 其次, 通過卷積和上采樣獲得深層次特征； 最后, 將編碼器和解碼器獲得的圖像特征相結合后輸入優(yōu)化圖像. 本文在U-net模型基礎上提出一個準確性更高的模型, 由5對編碼器和解碼器組成, 模型結構如圖5所示.

圖5 基于深度卷積神經網絡的水下偏色圖像增強方法模型結構Fig.5 Model structure of enhancement method of underwater color cast image based on deep convolutional neural network

假設給定一個256×256×3大小的水下圖像I(x), 輸出圖像Y, 首先將圖像輸入到網絡中, 該網絡由5個編碼器和5個解碼器組成, 即(e1,d5),(e2,d4),(e3,d3),(e4,d2),(e5,d1), 每個編碼器的輸出會跳躍連接到對應的解碼器, 每個卷積層都有一個3×3的2D卷積, 該網絡是一個未使用全連接層的全卷積網絡. 此外, 本文算法不直接從輸入I(x)到輸出Y中學習映射, 而是通過輸入圖像I(x)與輸出圖像Y之間學習殘余偏色圖的能力增強圖像, 用公式表示為

d=Y-I(x),

(6)

其中d表示殘余偏色圖像,Y表示輸出圖像,I(x)表示輸入的水下圖像.由于殘余偏色圖像更稀疏地表達了退化圖像與原圖的差異, 因此網絡可更好地學習偏色殘余圖像與標準圖像的相關性.將這種學習策略應用到卷積層中, 會使訓練更有效.

網絡中還用到了Leak-ReLU激活函數、 BN層, 同時用反卷積代替?zhèn)鹘y(tǒng)的上采樣方法, 可實現還原圖片大小的同時還原信息.

2.2 損失函數

本文的目標是訓練模型學習輸入和輸出的殘余能力增強圖像.為進一步提高圖像中主要成分和邊緣細節(jié)的清晰度, 本文使用均方誤差計算損失函數, 將水下圖像輸入到已訓練好的網絡中, 其損失函數為

(7)

其中m表示樣本的數量,Yi表示模型中生成的第i組值,J(xi)表示第i組清晰圖像的值.

此外, 本文還將結構相似性(structural similarity, SSIM)加入損失函數中, 其計算表達式為

(8)

其中:Y表示生成的水下圖像;J(x)表示干凈的水下圖像;μY和μJ(x)分別表示水下生成圖像的平均值和干凈水下圖像的平均值；σ2Y和σ2J(x)分別表示生成圖像和干凈圖像的方差;σYJ(x)表示協(xié)方差;C1,C2表示用于維持穩(wěn)定的常數,

C1=(K1L)2,C2=(K2L)2,

(9)

式中L為像素的范圍,K1=0.01,K2=0.03.當生成水下圖像與干凈水下圖像非常相似時, SSIM的值趨近于1. 所以SSIM的損失函數LSSIM可表示為

(10)

整體的損失函數可表示為

L=LMSE+LSSIM,

(11)

其中m表示樣本數量,LMSE表示MSE的損失函數,LSSIM表示SSIM的損失函數,L表示MSE與SSIM損失函數之和.通過上述定義的網絡結構與損失函數, 對整個網絡進行迭代訓練, 直到達到損失函數值小于閾值或者達到最大迭代閾值為止.獲得的網絡模型描述了偏色圖像與標準圖像的映射關系.

3 實 驗

實驗運行于Linux操作系統(tǒng), 基于Tensorflow深度學習框架[21]實現, 在配置環(huán)境為 1個NVIDIA Tesla K80的條件下訓練5 224張成對數據集, 并測試528張驗證集. 該網絡采用Adam優(yōu)化器, 參數β1=0.9,β2=0.999, 模型的學習率為0.001, 步數為300×50, 批處理器大小為16, 訓練過程中只保留最優(yōu)模型.

為驗證本文算法的有效性, 分別與UGAN[22],UWCNN[23],FastGan[24]算法進行性能對比, 其中UGAN算法包括Pix2Pix算法和Resnt算法. 為保證實驗的公平性, 所有算法均用原網絡結構和參數, 并使用與本文相同的訓練集與測試集.

3.1 實驗結果分析

表1為不同算法的峰值信噪比(peak signal to noise ratio, PSNR)和SSIM值對比.

表1 不同算法的PSNR和SSIM值對比

由表1可見, 本文模型的PSNR評價指標高于其他模型, SSIM評價指標也具有很大優(yōu)勢, 生成的圖像與原圖差距最小. 該結果表明, 本文算法在處理顏色校正、 增強對比度、 優(yōu)化圖像細節(jié)、 提高圖像質量等方面均優(yōu)于其他4種對比算法.

在相同數據集下, 本文算法與其他算法處理圖像細節(jié)的比較結果如圖6所示. 由圖6可見, Pix2Pix和Resnet算法處進圖像細節(jié)較清晰, 但沒有針對主體信息進行增強； UWCNN算法對圖像顏色修正效果不明顯； FastGan算法未對生成圖像進行約束, 使增強的圖像細節(jié)信息丟失并有噪聲. 本文算法引入了結構相似性損失, 對輸入圖像和增強圖像之間的特征結構信息進行約束, 使生成的圖像保持主體信息完整性, 并且可有效去除偏色, 提高對比度. 因此, 本文模型生成的圖像最接近真實圖像的視覺效果.

圖6 各類算法處理圖像的細節(jié)對比Fig.6 Detail contrast of image processing of various algorithms

圖7(A)，(B)分別為不同算法的PSNR值和SSIM值對比. 由圖7可見, 本文算法與其他算法相比有明顯優(yōu)勢, 對去除海洋生物圖像的藍綠色, 增強圖像的對比度效果更好.

a. Pix2Pix算法; b. Resent算法; c. UWCNN算法; d. FastGan算法; e. 本文算法.圖7 不同算法的評價指標對比結果Fig.7 Contrast results of evaluation indicators of different algorithms

3.2 算法的收斂性分析

下面對本文算法的收斂性用數據結果的數據指標曲線圖進行測量與分析. 圖8(A)為本文算法的損失函數下降曲線, 其中藍色線表示本文算法在訓練過程中的趨勢, 紅色線表示在驗證過程中的趨勢. 由圖8(A)可見, 當網絡訓練超過100輪時, 本文網絡輸出已接近目標精度. 圖8(B)為本文算法輸出結果的峰值信噪比變化曲線. 由圖8(B)可見, 隨著算法損失函數的不斷下降, 輸出結果的效果不斷改善, 峰值信噪比不斷增加, 在第100輪時達到最高并趨于平穩(wěn). 通過算法的收斂性和有效性指標分析可見, 本文算法可在有限時間內收斂, 且收斂后可得到較高的修復結果.

圖8 本文算法的收斂性分析Fig.8 Convergence analysis of proposed algorithm

綜上所述, 本文針對水下圖像偏色失真的問題, 提出了一種基于深度卷積神經網絡的水下偏色圖像增強算法, 有效解決了水下圖像的偏色、 模糊等問題. 該算法首先在U-Net模型的基礎上構建一種卷積神經網絡, 訓練網絡學習圖像輸入與圖像輸出的色彩差異； 其次, 用損失函數提高輸入與輸出圖像的相似度, 在視覺上提高了水下圖像質量. 對比實驗結果表明, 對解決水下圖像偏色失真等問題, 本文算法優(yōu)于其他算法.