[論文レビュー] Enhancement of Underwater Images with Statistical Model of Background Light and Optimization of Transmission Map

Wei Song, Yan Wang+3 more|arXiv (Cornell University)|Jun 19, 2019

Image Enhancement Techniques参考文献 43被引用数 16

ひとこと要約

本稿では、背景光推定のための統計モデルと最適化された透過率マップを組み合わせることで、画像品質を向上させる新しい水中画像強調手法を提案する。手動でアノテートされた背景光データベースを活用し、深度および彩度の事前知識を用いて透過率マップを最適化することで、最先端の手法と比較して優れた色再現性、コントラスト、計算効率を達成する。

ABSTRACT

Underwater images often have severe quality degradation and distortion due to light absorption and scattering in the water medium. A hazed image formation model is widely used to restore the image quality. It depends on two optical parameters: the background light and the transmission map. Underwater images can also be enhanced by color and contrast correction from the perspective of image processing. In this paper, we propose an effective underwater image enhancement method for underwater images in composition of underwater image restoration and color correction. Firstly, a manually annotated background lights (MABLs) database is developed. With reference to the relationship between MABLs and the histogram distributions of various underwater images, robust statistical models of BLs estimation are provided. Next, the TM of R channel is roughly estimated based on the new underwater dark channel prior via the statistic of clear and high resolution underwater images, then a scene depth map based on the underwater light attenuation prior and an adjusted reversed saturation map are applied to compensate and modify the coarse TM of R channel. Next, TMs of G-B channels are estimated based on the difference of attenuation ratios between R channel and G-B channels. Finally, to improve the color and contrast of the restored image with a natural appearance, a variation of white balance is introduced as post-processing. In order to guide the priority of underwater image enhancement, sufficient evaluations are conducted to discuss the impacts of the key parameters including BL and TM, and the importance of the color correction. Comparisons with other state-of-the-art methods demonstrate that our proposed underwater image enhancement method can achieve higher accuracy of estimated BLs, less computation time, more superior performance, and more valuable information retention.

研究の動機と目的

• 光の吸収および散乱によって引き起こされる水中環境における深刻な画像劣化を解消すること。
• 手動でアノテートされたデータベースから導出された統計モデルを用いて、背景光（BL）推定の精度を向上させること。
• 深度および彩度の事前知識を統合することで、透過率マップ（TM）推定を最適化し、より高い修復忠実度を達成すること。
• 修正されたホワイトバランスの後処理ステップを用いて、色およびコントラストを自然に強調すること。
• 主なパラメータ（BLおよびTM）の影響を評価し、水中画像強調における色補正の有効性を検証すること。

提案手法

• MABLsと画像ヒストグラム分布の間の統計的関係を確立するために、手動でアノテートされた背景光（MABLs）データベースを構築する。
• MABLsデータベースとヒストグラム解析に基づいて、背景光推定のための堅牢な統計モデルを開発する。
• 明瞭で高解像度の画像に基づく修正された水中の暗黒チャネルプライアを用いて、赤（R）チャネルの透過率マップを初期推定する。
• 光の減衰および色分布の事前知識を用いて、シーンの深度マップと調整済みの逆彩度マップにより、粗いRチャネル透過率マップを精緻化する。
• RチャネルとG-Bチャネル間の差圧減衰比をモデル化することで、緑（G）および青（B）チャネルの透過率マップを推定する。
• 最終的な修復画像における色の自然さとコントラストを向上させるために、ホワイトバランスの変種を後処理として適用する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、アノテート済みデータの統計的モデリングを用いて水中画像における背景光推定を改善できるか？
• RQ2 深度および彩度の事前知識を用いて透過率マップを最適化することで、画像修復品質がどの程度向上するか？
• RQ3 ホワイトバランスによる色補正が、強調処理後の水中画像の知覚的品質および自然な外観に与える影響は何か？
• RQ4 背景光および透過率マップといった主なパラメータが、全体の強調性能にどのように影響を与えるか？
• RQ5 提案手法は、既存の最先端の水中画像強調技術と比較して、定量的および定性的にどの程度優れているか？

主な発見

• 手動でアノテートされたデータベースに学習させた統計モデルのおかげで、本手法は既存手法と比較してより高い背景光推定精度を達成する。
• 深度および彩度の事前知識を統合した最適化された透過率マップは、より正確で視覚的に妥当な画像修復を実現する。
• 計算時間は短縮されつつも、画像品質指標において優れた性能を維持する。
• 修正されたホワイトバランスの後処理ステップの統合により、色再現性とコントラストが顕著に向上し、より自然な見た目の結果が得られる。
• 比較評価により、本手法が定量的指標および視覚的品質の両面で最先端技術を上回っていることが確認され、情報保持率も優れている。