本发明涉及水下图像增加，尤其涉及一种基于反向retinex和颜色校正的水下图像增强方法。
背景技术：
1、水下图像增强是水下图像处理技术中的一个关键问题。水下图像增强是不考虑图像退化过程，通过线性变换或直方图拉伸调整图像的像素值，以提高图像色彩度和清晰度来提升图像质量。
2、水下图像增强可以分为基于直方图的增强方法、基于retinex理论的增强方法、基于图像融合的增强方法和基于深度学习的增强方法。基于直方图的增强方法虽然简单效率高，但不适用于复杂且噪声多的水下场景。基于图像融合的增强方法可能会在融合过程中产生多余的伪影，导致图像模糊。基于深度学习的增强方法依赖于训练模型的准确性，而且需要成对匹配的标记数据集，这是不易获取的。基于retinex理论的增强方法考虑到光照条件的影响，通过消除光照分量改善图片质量，但是针对严重退化的水下图像存在局限。因此，如何在考虑光照条件的影响下，同时增强图像的色彩度和清晰度，是基于retinex理论的增强方法亟需解决的问题。
3、retinex理论的关键在于准确估计光照分量，从而提升图像的颜色和细节。常用的基于retinex理论的增强方法包括直接估计各个颜色通道的光照分量，然后重组成增强后的图像，或者在此基础上引入优化器、滤波器、变分模型来抑制传统retinex的颜色失真和光晕问题。虽然很大程度上改善了图像的颜色信息，但针对严重色偏的水下图像，往往忽略了局部的细节信息，使得视觉效果降低。而且，不合理目标函数会提高算法复杂度，导致时间成本较高。因此，如何在严重失真的水下图像场景中获取清晰自然的图像，并保持良好的颜色信息和细节信息是提升水下图像增强效果的关键。
技术实现思路
1、根据现有技术存在的问题，本发明公开了一种基于反向retinex和颜色校正的水下图像增强方法，具体包括如下步骤：
2、读取水下图像数据i(x)，初始化像素点x和颜色通道k；
3、根据绿色通道g、蓝色通道b的像素均值差判断图像的偏色通道ik(x)；
4、基于retinex分解和水下成像模型的关系建立初始偏色通道与增强后偏色通道的线性关系并计算反向偏色通道
5、建立多尺度retinex的偏色通道增强模型，重组反向偏色通道和初始其他颜色通道为rgb图像，利用msr算法估计rgb图像转成hsi颜色空间后亮度分量的反射分量rl，将转换成rgb图像中相应偏色通道作为增强后的偏色通道jk(x)；
6、建立基于增益因子的其他颜色通道补偿模型，利用图像像素的特征值定义增益因子，根据增强后的偏色通道和增益因子补偿其他颜色通道，得到颜色校正后图像jc(x)；
7、建立多尺度的非锐化掩膜细节增强模型，将颜色校正后图像jc(x)输入至该模型中获得增强后的水下图像jout(x)。
8、进一步的，水下图像i(x)的偏色通道ik(x)的采用如下公式获取：
9、
10、其中，x是像素点，ib和ig表示水下图像i的蓝色通道和绿色通道，k∈{g,b}，δi表示g、b两个颜色通道像素的均值差，δi的具体计算公式如下：
11、δi＝m(ib)-m(ig) (2)
12、其中，m是通道像素内的平均值。
13、进一步的，建立初始偏色通道与增强后偏色通道的线性关系如下：
14、
15、其中，表示偏色通道k下的反射图，表示反向偏色通道，jk(x)表示增强后的偏色图像，的计算公式如下：
16、
17、进一步的，利用msr算法估计rgb图像转成hsi颜色空间后亮度分量的反射分量rl时，采用如下方式：
18、
19、其中，l(a,b)表示hsi空间下的亮度分量，i表示不同尺度，fi(a,b)表示第i尺度的高斯卷积核函数，n是卷积尺度数量，wi表示第i尺度的权重值，满足∑wi＝1；
20、将转换成rgb图像中相应偏色通道作为增强后的偏色通道jk(x)：利用多尺度retinex得到的亮度分量的反射分量，与h、s分量重组成hsi颜色空间，并转成rgb图像，采用该rgb图像的相应偏色通道作为增强后的偏色通道，具体公式如下：
21、jk(x)＝tk(h(x),s(x),rl(x)) (6)
22、其中，t是hsi转成rgb图像的表达形式，k是偏色通道，h(x)表示hsi中的h分量，s(x)表示hsi中的s分量，rl(x)表示上述得到的i分量的反射分量，jk(x)表示增强后的偏色通道。
23、进一步的，根据增强后的偏色通道和增益因子补偿其他颜色通道，得到颜色校正后图像jc(x)，具体计算公式如下：
24、
25、其中，c是颜色通道，c∈{r,g,b}，ic(x)表示初始水下图像中的c通道，jc(x)表示增强后的c通道，σc和表示定义的增益因子，其中，σc表示c通道的增益因子，定义为最大通道像素均值与c通道像素均值的比值，表示c通道的第二备选增益因子，定义为三个颜色通道像素均值的平均值。
26、进一步的，将颜色校正后图像jc(x)输入至多尺度的非锐化掩膜细节增强模型中获得增强后的水下图像jout(x)时：计算颜色校正后图像与不同尺度下模糊图像均值的差值，并叠加颜色校正后图像，得到增强后的水下图像jout(x)，其计算公式如下：
27、
28、其中，g是高斯核函数，σ1、σ2和σ3表示核函数的不同尺度，k是缩放系数，j表示颜色校正后的水下图像。
29、由于采用了上述技术方案，本发明提供的一种基于反向retinex和颜色校正的水下图像增强方法，该方法通过计算水下图像的像素均值差，判断偏色通道，并对偏色通道单独进行增强处理，解决了严重色偏的水下图像颜色失真。其中，采用了hsi颜色空间的转换和多尺度retinex算法来增强偏色通道的颜色信息，不仅在增强色彩度的同时，抑制了颜色失真，而且消除了全局光照照度的影响；并利用增强后的偏色通道补偿其他颜色通道，保证了rgb颜色的比例协调。针对存在的噪声和模糊问题，利用多尺度的非锐化掩膜技术来增强细节，显著提升了图像的局部细节信息。该方法实现了对严重色偏水下图像的显著增强，不仅在校正颜色的同时抑制了颜色失真，而且避免了噪声的干扰，具有良好的视觉效果。
1.一种基于反向retinex和颜色校正的水下图像增强方法，其特征在于包括：读取水下图像数据i(x)，初始化像素点x和颜色通道k；
2.根据权利要求1所述的一种基于反向retinex和颜色校正的水下图像增强方法，其特征在于：水下图像i(x)的偏色通道ik(x)的采用如下公式获取：
3.根据权利要求1所述的一种基于反向retinex和颜色校正的水下图像增强方法，其特征在于：建立初始偏色通道与增强后偏色通道的线性关系如下：
4.根据权利要求1所述的一种基于反向retinex和颜色校正的水下图像增强方法，其特征在于：利用msr算法估计rgb图像转成hsi颜色空间后亮度分量的反射分量rl时，采用如下方式：
5.根据权利要求1所述的一种基于反向retinex和颜色校正的水下图像增强方法，其特征在于：根据增强后的偏色通道和增益因子补偿其他颜色通道，得到颜色校正后图像jc(x)，具体计算公式如下：
6.根据权利要求1所述的一种基于反向retinex和颜色校正的水下图像增强方法，其特征在于：将颜色校正后图像jc(x)输入至多尺度的非锐化掩膜细节增强模型中获得增强后的水下图像jout(x)时：计算颜色校正后图像与不同尺度下模糊图像均值的差值，并叠加颜色校正后图像，得到增强后的水下图像jout(x)，其计算公式如下：
