[论文解读] Analysis of proposed PDE-based underwater image enhancement algorithms

Uche A. Nnolim|arXiv (Cornell University)|Dec 14, 2016

Image Enhancement Techniques参考文献 29被引用 5

一句话总结

本文提出了一种基于PDE的水下图像增强框架，通过结合各向异性扩散、对比度项以及动态自适应CLAHE的混合方法，统一实现了光照校正、色彩恢复、对比度增强和噪声抑制。该方法通过迭代剪裁极限调整和PDE驱动优化，在减少噪声放大的同时提升了局部和全局图像质量，优于传统算法。

ABSTRACT

This report describes the experimental analysis of proposed underwater image enhancement algorithms based on partial differential equations (PDEs). The algorithms perform simultaneous smoothing and enhancement due to the combination of both processes within the PDE-formulation. The framework enables the incorporation of suitable colour and contrast enhancement algorithms within one unified functional. Additional modification of the formulation includes the combination of the popular Contrast Limited Adaptive Histogram Equalization (CLAHE) with the proposed approach. This modification enables the hybrid algorithm to provide both local enhancement (due to the CLAHE) and global enhancement (due to the proposed contrast term). Additionally, the CLAHE clip limit parameter is computed dynamically in each iteration and used to gauge the amount of local enhancement performed by the CLAHE within the formulation. This enables the algorithm to reduce or prevent the enhancement of noisy artifacts, which if present, are also smoothed out by the anisotropic diffusion term within the PDE formulation. In other words, the modified algorithm combines the strength of the CLAHE, AD and the contrast term while minimizing their weaknesses. Ultimately, the system is optimized using image data metrics for automated enhancement and compromise between visual and quantitative results. Experiments indicate that the proposed algorithms perform a series of functions such as illumination correction, colour enhancement correction and restoration, contrast enhancement and noise suppression. Moreover, the proposed approaches surpass most other conventional algorithms found in the literature.

研究动机与目标

• 解决现有水下图像增强技术在噪声抑制与有效对比度和色彩校正之间难以平衡的局限性。
• 开发一种统一的基于PDE的框架，能够同时实现平滑处理、对比度增强和色彩恢复。
• 将动态CLAHE与PDE公式结合，以防止在局部增强过程中放大噪声伪影。
• 利用图像质量度量优化增强过程，以提升视觉结果与定量结果的一致性。
• 在主观视觉质量和客观性能度量上均超越传统方法。

提出的方法

• 该方法采用PDE公式，结合各向异性扩散以实现噪声抑制和边缘保持。
• 在PDE中嵌入对比度增强项，以实现全局对比度改善。
• 将对比度受限自适应直方图均衡化（CLAHE）与每轮迭代中动态更新的剪裁极限结合，以控制局部增强强度。
• 通过迭代调整动态剪裁极限，减少对噪声区域的过度增强，同时保留图像细节。
• 该框架在单一函数公式中统一了色彩校正、对比度增强和噪声抑制。
• 通过图像数据度量对系统进行优化，以平衡视觉吸引力与定量性能。

实验结果

研究问题

• RQ1 如何在有效抑制噪声的同时，通过基于PDE的框架有效结合水下图像的全局与局部增强？
• RQ2 与固定参数CLAHE相比，动态CLAHE参数调整在水下成像中能在多大程度上提升增强质量？
• RQ3 统一的PDE公式能否同时实现光照校正、色彩恢复、对比度增强和噪声抑制？
• RQ4 所提方法在定量和定性方面与现有传统水下图像增强算法相比表现如何？
• RQ5 迭代剪裁极限自适应对增强过程中噪声伪影的抑制有何影响？

主要发现

• 所提算法在视觉质量与定量度量方面均优于传统方法。
• 将动态CLAHE与基于PDE的扩散方法结合，能有效减少噪声放大，同时增强局部对比度。
• 该方法成功实现了水下图像中光照校正、色彩增强与对比度恢复的同步处理。
• 动态剪裁极限机制通过在每轮迭代中根据局部图像内容自适应调整，防止了对噪声区域的过度增强。
• 统一的PDE框架实现了视觉吸引力与客观图像质量评分之间的平衡。
• 实验表明，该混合方法在文献中大多数现有传统算法之上表现更优。