基于CIELab和HIS空间的声呐图像伪彩色增强方法及质量评价

李秋菊, 徐海平, 苟 春

基于CIELab和HIS空间的声呐图像伪彩色增强方法及质量评价

李秋菊, 徐海平, 苟 春

(中国船舶集团有限公司 第705研究所昆明分部, 云南 昆明, 650106)

现有声呐图像伪彩色增强方法只涉及到RGB颜色空间和HSV颜色空间。因此, 文中提出2种涉及CIELab空间和HIS空间的声呐图像伪彩色增强方法, 并对其增强后的图像进行质量评价。首先提出一种基于CIELab空间的声呐图像伪彩色增强方法, 该方法实时性好, 图像清晰, 层次丰富。而后结合大津法, 根据声呐图像的灰度分布特性, 提出一种基于HIS空间的自适应声呐图像伪彩色增强方法, 该方法自适应性强, 处理后的图像信息丰富。最后, 采用2种客观质量评价方法联合主观评价, 验证了文中2种增强方法的有效性。

声呐图像; 伪彩色增强; CIELab空间; HIS空间; 质量评价

0 引言

声呐成像属于能量成像的一种方式, 其成像类型一般为强度图像, 是将其线性映射到一定的灰度级范围内, 以灰度图像的方式显示出来[1]。然而人眼通常只能分辨十几级灰度, 但对彩色图像的视觉感受比灰度图像的感受丰富得多, 能分辨上千种彩色的色调和强度。此外, 彩色空间是三维空间, 信息量更大[2]。因此, 将灰度声呐图像添加颜色进行伪彩色增强不但可以增强其视觉效果, 而且可以增加图像信息, 便于后续的声呐图像处理。

除了上述提到的RGB和HSV颜色空间, 颜色空间还包括CIELab、HIS空间等。CIELab和HIS空间都可以和RGB空间进行相互转换。其中, CIELab颜色空间比RGB空间要大, 而HSV颜色空间所代表的颜色域也只是CIE色度图的一个子集, 此外, CIELab空间与设备无关, 弥补了RGB空间必须依赖设备的不足[10-11]; 而HIS空间将图像的亮度信息与彩色信息分开, 比RGB空间更适合人的感知习惯。

文中提出一种基于CIELab空间的声呐图像伪彩色增强算法以及一种基于HIS空间的自适应声呐图像伪彩色增强方法[12-14], 用于灰度声呐图像的伪彩色增强。

1 基于CIELab空间的声呐图像伪彩色增强算法

文中提出的基于CIELab空间的声呐图像伪彩色增强算法[11,15](以下简称方法1)是一种非线性变换的算法, 其具体流程如下。

4) 将p变换到CIELab空间。由于RGB空间并不能一步转换到CIELab空间, 需要首先变换到空间, 其变换公式为

然后由空间变换到CIELab空间, 其变换公式为

式中:0=0.950 456;0=1;0=1.088 754;

该逆变换过程也不是一步到位, 首先要逆变换到空间, 其变换公式为

式中:0=0.950 456;0=1;0= 1.088 754;

再从空间变换到RGB空间, 即

方法1生成的彩色查找表如图1所示。

图1 方法1的彩色查找表

2 基于HIS空间的自适应声呐图像伪彩色增强方法

3 伪彩色增强质量评价

声呐图像伪彩色增强质量评价可分为主观评价和客观评价。主观评价是指查看结果图像时的主观感受。客观评价是指采用声呐图像的对比度和平均梯度2个标准对伪彩色增强后的声呐图像进行评价[11]。其中, 对比度越大图像色彩层次越丰富, 其计算公式为

平均梯度反应了图像的清晰程度和纹理变化, 平均梯度越大说明图像越清晰, 其计算公式为

4 实验结果

基于MATLAB2018a, 采用文中提出的2种方法对图2所示的4幅灰度声呐图像进行伪彩色增强, 并对比copper和hot方法[16], 其实验结果如图2和表1所示。

图2 伪彩色增强结果主观评价

表1 伪彩色增强结果客观评价

从图2可以看出, 文中2种方法的结果色彩丰富、层次明显。此外, 从放大图像来看, 这2种方法结果的细节相较其他方法更清晰。

分析表1的客观评价结果可得, 文中2种方法客观质量评价中平均梯度和对比度结果都要好于其他2种方法。但就运行时间来讲, 方法1、copper和hot都属于彩色查表的方法, 彩色查表生成以后, 其伪彩色增强只是一个索引的过程, 所以这3种方法的实时性都非常好。但方法2由于需要基于大津法计算其阈值, 各个像素的、、值也需计算, 所以实时性较差, 但其效率仍在可接受范围内。此外, 由于基于彩色查找表的方法均需对原始声呐图像进行灰度级压缩, 以适应彩色查找表的灰度级范围, 但方法2不需要此过程, 所以方法2的自适应性更强。

总体来说, 无论是客观评价还是主观评价, 都说明文中所提2种方法是可行且有效的。

5 结束语

文中提出的2种伪彩色增强方法充分利用了CIELab和HIS颜色空间。由实验结果可知, 主观评价其增强结果细节较清晰, 色彩较丰富, 客观评价结果也显示其增强结果相较于copper和hot方法要好。其中, 基于CIELab空间的声呐图像伪彩色增强算法实时性较好, 可应用于工程实际。该方法生成的彩色查表是28个灰度级, 实际中也可将其做成216个灰度级或更高灰度级。基于HIS空间的自适应声呐图像伪彩色增强方法自适应性强, 虽实时性欠佳, 但仍在可接受范围内, 未来将针对此做进一步改进研究。此外, 也可以通过将灰度声呐图像去噪后再进行伪彩色处理等方法来提升声呐图像伪彩色增强的效果。

[1] 刘维, 刘纪元, 黄海宁, 等. 声纳图像伪彩色处理的调色板连续编码方法[J]. 系统仿真学报, 2005, 17(7): 1724-1731.

Liu Wei, Liu Ji-yuan, Huang Hai-ning, et al. Palette’s Continuous Coding Method for Sonar Image Pseudo-color Processing[J]. System Simulation, 2005, 17(7): 1724-1731.

[2] 赵向文, 靳国旺, 许竞轩, 等. 基于多阈值大津法直方图分割的SAR数据伪彩色量化方法[J]. 测绘科学技术学报, 2012, 29(6): 445-449.

Zhao Xiang-wen, Jin Guo-wang, Xu Jing-xuan, et al. Pesudo-Color Quantization of SAR Data Based on Multi-Threshold Otsu Method of Histogram Segmentation[J]. Journal of Geomatics Science and Technology, 2012, 29(6): 445-449.

[3] Welsh T, Ashikhmin M, Mueller K. Transferring Color to Grayscal Images[J]. ACM Transactions on Graphics, 2002, 21(3): 277-280.

[4] 曹茂永, 郁道银. 基于感知颜色空间的灰度图像伪彩色编码[J]. 光学技术, 2002, 28(4): 61-63.

Cao Mao-yong, Yu Dao-yin. Pseudocolor Coding of Gray Image Based on Perceptual Color[J]. Optical Technique, 2002, 28(4): 61-63.

[5] Toet A. Colorizing Single Band Intensified Nightvision images[J]. Displays, 2005, 26(1): 15-21.

[6] 熊平波. 侧扫声呐中的伪彩色图像处理研究[D]. 昆明: 昆明理工大学, 2019.

[7] 陈亚欣, 武文波. 基于Robrt梯度与HIS色彩空间的SAR图像伪彩色编码[J]. 测绘与空间地理信息, 2017, 40(4): 85-88.

Chen Ya-xin, Wu Wen-bo. Pseudo-color Coding of SAR Images Based on Roberts Gradient and HIS Color Space[J]. Geomatics & Spatial Information Technology, 2017, 40(4): 85-88.

[8] 朱进, 李力, 金伟其, 等. 低照度夜视成像的自然感彩色化及增强方法[J]. 光子学报, 2018, 47(4): 1-10.

Zhu Jin, Li Li, Jin Wei-qi, et al. Natural-appearance Colorization and Enhancement for the Low-light-level Night Vision Imaging[J]. Acta Photonica Ainica, 2018, 47(4): 1-10.

[9] 张济博, 潘国富, 蒋维杰, 等. 侧扫声纳图像伪彩色增强研究[J]. 声学技术, 2015, 34(4): 114-117.

Zhang Ji-bo, Pan Guo-fu, Jiang Wei-jie, et al. Pseudo-color Enhancement for Side Scan Sonar Image[J]. Technical Acoustics, 2015, 34(4): 114-117.

[10] 赵军辉, 吴玉峰, 胡坤融, 等. 基于Lab色彩空间和色调映射的彩色图像增强算法[J]. 计算机科学, 2018, 45(2): 114-117.

Zhao Jun-hui, Wu Yu-feng, Hu Kun-rong, et al. Color Image Enhancement Algorithm Based on Lab Color Space and Tone Mapping[J]. Computer Science, 2018, 45(2): 114-117.

[11] 余磊, 靳国旺, 徐青, 等. 基于非线性编码和lαβ变换的SAR图像伪彩色增强[J]. 测绘科学技术学报, 2012, 29(3): 192-195.

Yu Lei, Jin Guo-wang, Xu Qing, et al. SAR Image Pseudo-Color Enhancement Based on Nonlinear Coding and lαβ Transformation[J]. Journal of Geomatics Science and Technology, 2012, 29(3): 192-195.

[12] 卢红阳, 刘且根, 熊娇娇, 等. 基于最大加权投影求解的彩色图像灰度化对比度保留的算法[J].自动化学报, 2017, 43(5): 843-853.

Lu Hong-yang, Liu Qie-gen, Xiong Jiao-jiao, et al. Maximum Weighted Projection Solver for Contrast Preserving Decolorization[J]. Acta Automatica Sinica, 2017, 43(5): 843-853.

[13] 曹丽琴, 商永星, 刘婷婷, 等. 局部自适应的灰度图像彩色化[J]. 中国图像图形学报, 2019, 24(8): 1249-1257.

Cao Li-qin, Shang Yong-xing, Liu Ting-ting, et al. Novel Image Colorrization of Adaptive Weighted Average Filter[J]. Journal of Image and Graphics, 2019, 24(8): 1249-1257.

[14] 李晓冰. 一种基于HSI空间的红外测量图像伪彩色编码方法[J]. 测试技术学报, 2012, 26(4): 343-347.

Li Xiao-bing. A Pseudo-Color Coding Method for HIS Space Based on Infrared Measurement Image[J]. Journal of Test and Measurement Technology, 2012, 26(4): 343-347.

[15] Sheng Z, Jiang X Y, Zhen W. Pseudo-Color Coding with Phase-Modulated Image Density[J]. Advanced Materials Research, 2012, 403-408: 1618-1621.

[16] 王静娇. 成像声纳数据实时传输与显示控制技术研究[D]. 南京: 南京航空航天大学, 2013.

Pseudo-color Enhancement Methods and Quality Evaluation of Sonar Image Based on the CIELab Color Space and HIS Color Space

LI Qiu-ju, XU Hai-ping, GOU Chun

(Kunming Branch of the 705 Research Institute, China State Shipbuilding Corporation Limited, Kunming 650106, China)

At present, pseudo-color enhancement methods for sonar images are based only on the RGB and HSV color spaces. To this end, two novel sonar image pseudo-color enhancement methods based on the CIELab color space and HIS color space are introduced in this study. The quality of the enhanced images obtained by the two methods was evaluated. First, a novel pseudo-color real-time enhancement method based on the CIELab color space is proposed. The enhanced image obtained using this method was clearer and had richer levels. Second, combined with the Otsu method and according to the grayscale distribution characteristics of sonar images, a novel adaptable pseudo-color enhancement method based on the HIS color space is introduced. This method has strong adaptability, and the enhanced image obtained using this method is information-rich. Finally, two objective evaluation methods were used to verify the effectiveness of the enhancement methods in conjunction with the subjective evaluation method.

sonar image; pseudo-color enhancement; CIELab color space; HIS color space; quality evaluation

李秋菊, 徐海平, 苟春. 基于CIELab和HIS空间的声呐图像伪彩色增强方法及质量评价[J]. 水下无人系统学报, 2022, 30(2): 204-208.

TJ630.34; U675.81

A

2096-3920(2022)02-0204-05

10.11993/j.issn.2096-3920.2022.02.010

2021-04-25;

2021-06-29.

李秋菊(1988-), 女, 硕士, 工程师, 主要研究方向为图像处理.

(责任编辑: 许 妍)