lne图像
演讲要求-汉字国标码
2023年2月19日发(作者：cdss)第４３卷第９期
２０１０年９月
天津大学学报
Ｊｏｕｒｎａｌ ｏｆ Ｔｉａｎｊｉｎ Ｕｎｉｖｅｒｓｉｔｙ
、，ｏｌ＿４３ ＮＯ．９
Ｓｅｐ．２０１０
水下退化图像处理方法
张 赫，徐玉如，万 磊，唐旭东，蔡昊鹏
（哈尔滨Ｔ程大学水下智能机器人技术国防科技重点实验室，哈尔滨１５０００１）
摘要：针对水下图像退化现象严重、有效信息提取困难等问题，提出了水下退化图像处理方法．该方法通过分析水
下图像退化过程，提出了基于大气湍流模型获取水下图像退化函数的方法，并利用频域滤波完成了退化图像的复原工
作；进而将人工鱼群优化算法与图像二维Ａｂｕｔａｌｅｂ熵信息相结合，利用一种二维最大熵阂值分割算法进行图像有意义
区域分割．由于人工鱼群算法不需要了解问题的特殊信息，只进行问题优劣比较，使得该算法自适应性和收敛速度得
到大幅提升水池实验结果表明：该方法明显改善水下退化图像模糊度高、对比度低的问题，具有较优的分割效果，处
理过程时间较短，具有一定的实用性．
关键词：水下图像复原；水下图像分割；退化函数；湍流模型；人］＿鱼群算法；二维熵阈值
中图分类号：ＴＰ２４２ 文献标志码：Ａ 文章编号：０４９３—２１３７（２０１０）０９—０８２７—０７
Ｐｒｏｃｅｓｓｉｎｇ Ｍｅｔｈｏｄ ｆｏｒ Ｕｎｄｅｒｗａｔｅｒ Ｄｅｇｅｎｅｒａｔｉｖｅ Ｉｍａｇｅ
ＺＨＡＮＧ Ｈｅ，ＸＵ Ｙｕ—ｒｕ，ＷＡＮ Ｌｅｉ，ＴＡＮＧ Ｘｕ—ｄｏｎｇ，ＣＡＩ Ｈａｏ—ｐｅｎｇ
（Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ Ｎａｔｉｏｎａｌ Ｄｅｆｅｎｓｅ ｏｆＡｕｔｏｎｏｍｏｕｓ Ｕｎｄｅｒｗａｔｅｒ Ｖｅｈｉｃｌｅ，
Ｈａｒｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ １ ５０００ １，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎ ｖｉｅｗ ｏｆ ｔｈｅ ｓｅｖｅｒｅ ｄｅｇｅｎｅｒａｔｉｏｎ ｏｆ ｕｎｄｅｒｗａｔｅｒ ｉｍａｇｅ ａｎｄ ｄｉｆｉｃｕｌｔｙ ｉｎ ｉｍａｇｅ ｉｎｆｏｒｍａｔｉｏｎ ｅｘｔｒａｃｔｉｏｎ，ａｎ
ｕｎｄｅｒｗａｔｅｒ ｄｅｇｅｎｅｒａｔｉｖｅ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｍｅｔｈｏｄ ｗａｓ ｐｒｅｓｅｎｔｅｄ．Ｗｉｔｈ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｕｎｄｅｒｗａｔｅｒ ｉｍａｇｅ ｄｅｇｅｎｅｒａｔｉｏｎ
ｐｒｏｃｅｓｓ，ｔｈｅ ｍｅｔｈｏｄ ｏｆ ｏｂｔａｉｎｉｎｇ ｕｎｄｅｒｗａｔｅｒ ｉｍａｇｅ ｄｅｇｒａｄａｔｉｏｎ ｆｕｎｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｔｕｒｂｕｌｅｎｃｅ ｍｏｄｅｌ ｗａｓ ｐｒｏｐｏｓｅｄ，
ａｎｄ ｆｒｅｑｕｅｎｃｙ ｄｏｍａｉｎ ｆｉｌｔｅｒ ｗａｓ ａｄｏｐｔｅｄ ｆｏｒ ｕｎｄｅｒｗａｔｅｒ ｉｍａｇｅ ｒｅｓｔｏｒａｔｉｏｎ．Ａｎ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｕｓｉｎｇ ２Ｄ
ｍａｘｉｍｕｍ ｅｎｔｒｏｐｙ ｔｈｒｅｓｈｏｌｄ ｗａｓ ｐｒｅｓｅｎｔｅｄ ｔｏ ｐｒｏｃｅｓｓ ｍｅａｎｉｎｇｆｕｌ ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ ｉｍａｇｅｓ，ｗｈｉｃｈ ｃｏｍｂｉｎｅｄ ａｒｔｉｆｉｃｉａｌ
ｆｉｓｈ ｓｗａｒｍ ａｌｇｏｒｉｔｈｍ（ＡＦＳＡ）ｗｉｔｈ ｉｍａｇｅ ２Ｄ Ａｂｕｔａｌｅｂ ｅｎｔｒｏｐｙ ｉｎｆｏｒｍａｔｉｏｎ．Ａｓ ＡＦＳＡ ｏｎｌｙ ｃｏｍｐａｒｅｓ ｔｈｅ ａｄｖａｎｔａｇｅｓ
ａｎｄ ｄｉｓａｄｖａｎｔａｇｅｓ ｏｆ ｐｒｏｂｌｅｍｓ ｗｉｔｈｏｕｔ ｏｂｔａｉｎｉｎｇ ｔｈｅｉｒ ｓｐｅｃｉａｌ ｉｎｆｏｒｍａｔｉｏｎ，ｔｈｅ ｓｅａｒｃｈｉｎｇ ｐｒｏｃｅｓｓ ｏｆ ＡＦＳＡ ｉｓ ｆａｓｔ ａｎｄ
ａｄａｐｔｉｖｅ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｈａｖｅ ｖｅｒｉｆｉｅｄ ｔｈｅ ｆｅａｓｉｂｉｌｉｔｙ ｏｆ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ，ｗｈｉｃｈ ｃａｎ ｄｅａｌ ｗｉｔｈ ｔｈｅ ｐｒｏｂｌｅｍ
ｏｆ ｆｕｚｚｉｎｅｓｓ ａｎｄ ｌｏｗ ｃｏｎｔｒａｓｔ ｏｆ ｕｎｄｅｒ ｗａｔｅｒ ｄｅｇｅｎｅｒａｔｉｖｅ ｉｍａｇｅ ｅｆｆｅｃｔｉｖｅｌｙ ａｎｄ ａｃｈｉｅｖｅ ｂｅｔｔｅｒ ｓｅｇｍｅｎｔａｔｉｏｎ ｒｅｓｕｌｔｓ
ｗｉｔｈ ｌｅｓｓ ｔｉｍｅ．
Ｋｅｙｗｏｒｄｓ：ｕｎｄｅｒｗａｔｅｒ ｉｍａｇｅ ｒｅｓｔｏｒａｔｉｏｎ；ｕｎｄｅｒｗａｔｅｒ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ；ｄｅｇｒａｄａｔｉｏｎ ｆｕｎｃｔｉｏｎ；ｔｕｒｂｕｌｅｎｃｅ
ｍｏｄｅｌ；ａｒｔｉｆｉｃｉａｌ ｆｉｓｈ—ｓｗｆｌｒｎｌ ａｌｇｏｒｉｔｈｍ；２Ｄ ｅｎｔｒｏｐｙ ｔｈｒｅｓｈｏｌｄ
近年来随着人类对海洋资源开发的不断深入，水
下视觉已成为海底目标探测、海洋地理工程及海洋军
事等领域不可或缺的组成部分．水介质对光的强吸
收与散射特性，使得水下图像在成像距离和质量上严
重退化、对比度急剧下降、模糊度高、准确快速提取图
像信息相对困难．
在水域不同、光照条件不同的条件下，水下图像
收稿日期：
基金项目：
作者简介：
通讯作者：
退化程度差异大，相应的退化函数具有不确定性，因
此目前对于水下图像的复原技术尚鲜见系统定量研
究，Ｇｒｏｓｓｏｌ】 Ｊ、Ｖｏｓｓ Ｊ用实验方法测量海水的光学传
递函数，精度较高，但仪器复杂，设备昂贵，难以实用；
刘智深等【４】利用海洋辐射传递的变换模型计算海水
光学传递函数；于亦凡等 应用图像传输方法测量水
体的点扩展函数和光学传递函数．笔者尝试采用基
２００９—０５．０５；修回日期：２０１０－０１—１９．
国家高技术研究发展计划（８６３计划）资助项目（２００８ＡＡ０９２３０１）；国防科技重点实验室开放课题研究基金资助项目（２００８００３）
张赫（１９８２一 ），女，博士研究生，ｙｉｈｅ０９０８＠１６３．ＣＯ１ＴＩ
万磊，ｗａｎｌｅｉ＠ｈｒｂｅｕ．ｅｄｕ．ｃｎ．
天 津 大 学 学 报 第４３卷第９期
于湍流干扰模型的方法获取水下图像的退化函数，并
结合频率域Ｗｉｅｎｅｒ滤波的方法完成对于水下图像的
复原运算．
为能在复原后的图像中有效地提取出图像信息，
需应用分割技术进行图像划分．在众多分割方法中，
基于信息论ｌ６ 的阈值方法成为近年来的研究热点之
一
．Ａｂｕｔａｌｅｂ［７ｊ提出了利用图像像素灰度分布及其邻
域的平均灰度分布所构成的二维直方图所包含信息
来进行阈值选取和图像分割，该方法增强了算法的抑
噪能力，提高了图像的分割精度，但增加了算法运行
时间与资源的消耗．为了弥补该算法的不足，笔者将
人工鱼群优化算法与Ａｂｕｔａｌｅｂ熵相结合，提出了一
种二维最大熵阈值分割算法．人工鱼群算法能很好
地解决非线性函数优化问题 Ｊ．
１水下图像特点
水的光学特性使得水下成像效果比空气成像质
量差．实验表明，即使纯净水对光的衰减也是很严重
的．水的衰减是光波长的复函数，它是由２个不相关的
物理过程即吸收和散射引起的，因此光在水中传输时
的能量按指数规律迅速地衰减．一般对于清澈的海
水，６０％的衰减由散射引起，４０％的衰减由吸收引起．
１．１ 水介质的吸收特性对水下成像的影响
水对光的吸收在不同的光谱区域具有明显的选
择性．水对光谱中的红外和紫外部分表现出强烈地
吸收，在可见光谱区段，吸收最大的是红色、黄色和淡
绿色光谱区域．纯净水和清的大洋水在光谱的蓝绿
区域透射比量大，其中波长４６２～４７５ ｎｍ的蓝光衰减
最少，但是这也是相对而言，水的吸收也足以使光的
强度每米衰减约４％，而其他颜色则更多，几米之外几
乎完全消失［１０－１ １］．
１＿２水介质的散射特性对水下成像的影响
水中光散射是指水中光在传播过程中，受到介质
微粒的作用，偏离原来直线传播的现象．经过水散射
的光成喇叭状展开，中间的光子密度大，向四周逐渐
减小，如图１所示．散射光对图像有较大影响，造成
了图像对比度下降．随着距离的增大，图像模糊性增
强，细节与边缘的可见性降低，成像质量较低，因此水
下光学成像的距离一般不超过十几米．
水中散射有２种成因：纯水产生的散射和悬浮粒
子产生的散射．散射方式也有２种，即前向散射和后
向散射．进入水下光学成像的光线一般包括３个组
成部分，即直射光、前向散射光和后向散射光．其中，
直射光部分对成像系统高度和照明系统之间的距离
最为敏感，其次是前向散射光，后向散射光变化同比
较弱．但是随着成像距离的增大，后向散射光也会变
得越来越敏感，成为制约远距离水下成像的一个重要
冈素［１２－１３Ｊ．几种散射光的结合，还会引起水下图像的
模糊，甚至产生强烈的背景噪声．
图１能量密度径向分布
Ｆｉｇ．１ Ｅｎｅｒｇｙ ｄｅｎｓｉｔｙ ｄｉｓｔｒｉｂｕｔｉｏｎ ｉｎ ｒａｄｉａｌ ｄｉｒｅｃｔｉｏｎ
１．３典型的水下图像
纯水对光吸收作用的影响可以采用增加辅助照
明的方法，提高水下成像质量和增加水下成像距
离．但一般照明光由探照灯发出，为会聚光照明．成
像光线的强弱分布呈现较大差异，以照明光最强点为
中心，径向逐渐减弱，反映到图像上就是背景灰度不
均，综合考虑水介质的光学非均匀性，水中光的传输
路径是随机和无序的，散射现象十分严重．实验表明
水对光的散射现象随着照明的增强更趋严重．此外，
不良照明条件会使水下图像变得更差．容易出现假
细节、自阴影、假轮廓等．图２为几幅水下图像样本．
（ｃ）球体图像 （ｄ）无目标图像
图２典型水下图像
Ｆｉｇ．２ Ｔｙｐｉｃａｌ ｕｎｄｅｒｗａｔｅｒ ｉｍａｇｅｓ
２基于湍流模型的水下图像复原
比较同样退化效应严重的水下图像和遥感图像
天 津 大 学 学 报 第４３卷第９期
程度的提升，但此时图像信息未被提炼，为便后续能 兵中
够熏婺 水下图像分析，需对复原后的图像做进 ：一窆 一步分割处理． 一
３一
。 坌 、． 临。 、 ＝一∑ｓ∑ｔ １ｇ 根据灰度直方图定义图像熵Ｈ＿ｏ 为 一
＝一∑Ｌ－１ ｌｇｐ （３）ＨＬ—Ｅ Ｚ ｐ ｌｇｐ
式中：Ｐ 是像素灰度为ｉ的概率，且∑Ｐ ：１； 为灰
度级数．
以 为分割阈值，图像分割为目标区域和背景区
域后图像的熵函数为
Ｈ（ｓ）＝Ｈｏ（ ）＋ （ ） （４）
则 （ ）反映了阈值分割后目标和背景包含的总的信
息量．
由于阈值法分割的目的是在最大程度上把目标
和背景分开，同时保留最多的图像信息量；因此基于
熵的阈值分割算法本质为利用不同的熵函数建立以
分割阈值为自变量的目标函数，然后按照某种准则求
解目标函数式取极值时的阈值．
３．２二维Ａｂｕｔａｌｅｂ熵阈值分割法
像素灰度和邻域平均灰度构成的二维直方图图
像，包含了像素的灰度分布信息和各像素间的空间相
关信息，图像内容信息更加丰富．以此为基础，
Ａｂｕｔａｌｅｂ［７］提出了基于二维直方图的最大熵图像分割
算法．
设大小为ｍ￣ｎ的图像，灰度级数为 ，图像ｋ￣ｋ
邻域的平均灰度也有 级，则图像二维直方图为
ｈ ， ＝ｐ ，０≤ｉ，ｊ≤Ｌ－１，ｐｌｆ的计算式为
｛ｌｔ
一
Ｎ
三一ｌ Ｌ－１ ∑∑ ＝１
ｉ＝０ ｉ＝０
（５）
式中：ｉ为像素灰度；Ｊ为邻域平均灰度； 为图像中
灰度为ｉ及其邻域灰度均值为，的像素点数；Ｎ为总
像素点数，Ｎ：ｍｘｎ．
假设图像由目标类和背景类组成，根据最大熵原
理确定点灰度——邻域灰度均值组成的最佳阈值
（ ，ｔ），即目标和背景的信息量最大点．
定义图像离散二维熵为
＝一∑∑ＰＵｌｇＰＯ （６）
ｌ
则熵的目标函数表述为
Ｏ（ｓ，ｔ）＝ｌｇＥＧ（１ ］＋ ＋竿 （７）
由式（７）得，最佳阈值 ｂｅｓｔ ｔｂ。。 ）满足
Ｏ（ｓｂ哑，ｔｂｅｓｔ）＝ｍａｘ｛Ｏ（ｓ，ｆ）｝ （８）
基于二维最大熵的分割算法，将图像信息的维度
由一维空间扩展到二维空间，丰富了信息量内容，增
强了分割算法的鲁棒性，将其应用于水下目标探测过
程中，能够增加任务执行的可靠性．但其参数搜索范
围的积数增长，增加了算法的复杂度；并且在最优阈
值的求取过程中，每个参数（ ，ｆ）的计算都是一个多重
循环的运算过程，大大增加了算法运算时间与资源的
消耗，不能满足水下作业的实时性要求．所以，应用
二维熵阈值法分割水下图像，必须进行相应的算法优
化以满足实时探测任务的需求．
３．３人工鱼群算法
人工鱼群算法（ａｒｔｉｆｉｃｉａｌ ｆｉｓｈ—ｓｗａｒｍ ａｌｇｏｒｉｔｈｍ，
ＡＦＳＡ）是为模仿鱼类行为而提出的一种基于动物自
治体的优化方法，是集群智能思想的具体应用．在一
片水域中，鱼往往能白行或尾随其他鱼找到营养物质
多的地方，因而鱼生存数目最多的地方一般就是本水
域中营养物质最多的地方．人工鱼群算法就是根据
这一特点，采用自上而下的设计思路，模仿鱼的觅食、
聚群及追尾行为，从构造单条人工鱼的行为做起，通
过鱼群中各个体的局部寻优，达到全局最优．具有克
服局部极值、取得全局极值的能力，对搜索空间具有
一定的自适应能力，对初值和各参数的选择也不很敏
感 ］．
３．４基于ＡＦＳＡ优化的阈值选择
优化算法通常用于解决在一定约束条件下，寻找
一系列满足最大化或最小化目标函数的参数的问
题．基于熵的阈值分割算法，其本质可以归结为利用
不同的熵函数建立以分割阈值为自变量的目标函数，
然后求解目标函数取最大值或最小值时阈值的问
题．所以应用优化算法求解最优分割阈值问题是可
行的．
基于最大熵原理，利用人工鱼群算法收敛速度
快、鲁棒性高、全局搜索能力强的特点［１８－１９］来解二维
Ａｂｕｔａｌｅｂ熵，进而得到图像的最优分割阈值．在二维
灰度空间Ｑ＝｛（ ，ｔ）ｌ ０≤ ，ｔ≤Ｌ一１｝里，构造用于阈值
计算的人工鱼个体（ＡＦ）模型，每条人工鱼代表１个
张赫等：水下退化 像处埋方法 ・８３１・
潜在的阈值解（ ，ｔ），同时定义人工鱼的行为函数：随
机行为、觅食行为、聚群行为以及追尾行为．人工鱼
当前位置的食物浓度ＦＣ由熵目标函数计算得到，两
人工鱼个体 与 ， 之间的距离定义为
＝［ （ｐ）一 （ｇ）］ ＋［ （ｐ）一ｆ（ｇ）］ （９）
利用人工鱼群算法获取最优阈值的基本流程
如下．
步骤１ 人工鱼群规模Ｎｕｍ及各参数定义．设
置初始迭代次数ｎｔｌｍ＝０，在控制变量可行域——
ＬｘＬ的二维灰度空间内随机生成初始鱼群，其各个
分量均为ｆ－１，１］区间内的随机数．
步骤２计算初始鱼群各人工鱼个体当前位置
的食物浓度值ＦＣ，将具有ＦＣ 的鱼赋给公告板，浓
度记为ＦＣ ，则该条人工鱼具有当前最优阈值（ ， ）．
步骤３各人工鱼分别模拟追尾行为和聚群行
为，选择行动后ＦＣ值较大的行为实际执行，缺省行为
方式为觅食行为．各人工鱼每行动一次后，检验自身
的ＦＣ与公告板的ＦＣ，如果优于公告板，则以自身取
代之．
步骤４程序终止判断．如果达到最大循环次数
或其他评判标准，结束程序；当前公告板记录的食物
浓度值即为最大熵值，公告板所示人工鱼为最优阈值
点（ 。 ～ｔｂ ）．否则返回步骤３．
４实验结果与分析
实验选取在水池环境中采集的水下目标二维灰
度图像作为研究图像集．此类图像均具有２５６个灰
度级，大小为５７６￣７６８，是利用Ｍａｔｒｏｘ Ｃｏｒｏｎａ ＩＩ图像
采集卡在无流静止情况下，从不同角度和距离采集获
取的，被观测目标物体固定于水下１．５ ｍ处．其中被
观测目标为球体、椭球体和二三棱柱，图像内容包括目
标个体和目标组合体２类（如图２所示）．
针对待研究水下图像集进行复原处理，采用所提
出的基于湍流模型的复原方法实现；进而将复原后的
图像作为原图像进行分割处理，将图像包含的有意义
区域划分开来，分割方法包括标准二维Ａｂｕｔａｌｅｂ熵
阈值法和提出的基于人工鱼群优化二维Ａｂｕｔａｌｅｂ熵
阈值法，以彰显新算法速度上的优势．（本文算法基于
ＶＣ＋＋６．０平台应用Ｃ语言编制，运行环境为ＤＥＬＬ
ＰＣ机：Ｃｏｒｅ２处理器、２．３３ ＧＨｚ主频、１．９８Ｇ内存）．
水下原图像及图像处理结果见图５和图６，其中
图５（ａ）～（ｆ）依次为原图像、复原处理后图像、相应的
基于标准二维Ａｂｕｔａｌｅｂ熵阈值分割后图像和基于人
工鱼群优化二维Ａｂｕｔａｌｅｂ熵阈值分割后图像．
由于人工鱼群规模及参数选择因研究问题类型
不同而不同，没有一定的理论标准．在应用人工鱼群
算法求解最优阈值时，根据使用经验，人工鱼群规模
选定为８；设定人工鱼的感知距离ＶＩＳＵＡＬ为８；人
工鱼移动的步长ＳＴＥＰ大小为０．５；尝试次数
ＴＲＹ ＮＵＭＢＥＲ为２０次．此时程序复杂度适中，运算
代价不高，得到的结果准确度也较高．
由于水下退化图像模糊严重、对比度较低、并且
原始图像不可获知，客观评价标准只能根据图像自身
的参数和图像应用目的来决定．因此选取代表图像
的整体灰度变化的平均值、说明图像灰度范围以及对
比度强弱的均方差和评价噪声去除情况的信噪比ｌ２。１３
个评价参数作为客观评价标准对图５和图６中所示
复原后图像的效果进行评价．
（ｄ）原图像ＡＦＳＡ Ａｂｕｔａｌｅｂ分割
（ｅ）复原图像Ａｂｕｔａｌｅｂ分割 （ｆ）复原图像ＡＦＳＡＡｂｕｔａｌｅｂ分割
图５水下图像１
Ｆｉｇ．５ Ｕｎｄｅｒｗａｔｅｒ ｉｍａｇｅ １
天 津 大 学 学 报 第４３卷第９期
（ｅ）复原图像Ａｂｕｔａ１ｅｂ分割 （ｆ）复原图像ＡＦＳＡＡｂｕｔａｌｅｂ分割
图６水下图像２
Ｆｉｇ．６ Ｕｎｄｅｒｗａｔｅｒ ｉｍａｇｅ ２
从图５、图６和表１可以看出：在选定的平坦区
域内，复原后图像的平均灰度有一定增加，表明提出
的算法对水介质的吸收作用能够进行一定程度的补
偿；信噪比计算结果对比表明，复原后的图像噪声降
低、质量有所提升．在滤波算法一定的情况下，分析上
述复原图像效果可知，基于湍流模型的方法能够在一
定程度上实现对于水下退化图像的复原．分析图５和
图６中图像分割结果和表２所包含信息可知，基于二
维Ａｂｕｔａｌｅｂ熵阈值分割得到的阈值大小适宜，分割效
果较好．通过对原始二维Ａｂｕｔａｌｅｂ熵闽值法和ＡＦＳＡ
优化二维Ａｂｕｔａｌｅｂ熵阈值法运行结果的统计比较，基
于人工鱼群优化的阈值分割算法在搜索精度、稳定性
和计算速度上均略胜一筹．其中经过复原处理后的
图像同比未经处理源图像直接分割的效果优异．
表１图像复原效果客观对比
Ｔａｂ．１ Ｃｏｍｐａｒｉｓｏｎｓ ｏｆ ｕｎｄｅｒｗａｔｅｒ ｉｍａｇｅ ｒｅｓｔｏｒａｔｉｏｎ ｒｅｓｕｌｔｓ
水下图像 平均值 方差 信噪比
原图像１ １３２．４６３ ３ ４２．６２３ １ １．５４５ ２
复原后图像ｌ １３４．５７８ ６ ６９．１４２ ５ １．９６６ ２
原图像２ ｌ１９．３４７ ３ ３９．５６４ ７ １．４６９ ５
复原后图像２ １２３．２８６ ５ ５７．４８２ ３ ２．３７５ ４
表２水下图像熵分割结果对比
Ｔａｂ．２ Ｃｏｍｐａｒｉｓｏｎｓ ｏｆ ｕｎｄｅｒｗａｔｅｒ ｉｍａｇｅ ｓｅｇｍｅｎｔａｌ ｒｅｓｕｌｔｓ
水下图像 相关数据 Ａｂｕｔａｌｅｂ ＡＦＳＡ
分割阈值 １６２ １６８ 原图像１
运行时间／ｓ ６．９８ Ｏ＿８６
分割阈值 １６８ １７８ 复原后图像１
运行时间／ｓ ６．６２ ０．８ｌ
分割阈值 １７４ １８０ 原图像２
运行时间／ｓ ７．６９ ０．９８
分割阈值 １７８ ｌ８Ｏ 复原后图像２
运行时间／ｓ ７．Ｏ１ ０．８８
５结语
水下图像因水对光的吸收和散射特性而严重退
化，准确快速地提取退化图像中包含的有效信息，是
水下图像工程亟需解决的问题，本文以此为出发点在
水下图像处理层次进行了相关技术的研究．
文中分析了水下图像退化的原因，提出了基于湍
流模型的水下图像复原方法，并以频率域滤波算法为
基础实现了对水下退化图像的复原．为了将复原后
的水下图像进行有意义区域划分，将人工鱼群优化算
法与图像二维Ａｂｕｔａｌｅｂ熵信息相结合，提出了一种
水下图像阈值分割算法．该算法能够充分利用图像
空间相关信息，具有良好的抗噪性能和收敛性能．水
池实验结果表明，所提出的复原方法能够在一定程度
上提升水下图像的质量，优化后的分割算法相比传统
二维熵分割算法在分割精度、稳定性与运算效率方面
均有所提升．
经过系列处理后的水下图像能够较准确地将待
探测目标和繁杂背景分离开来，为水下视觉的工程应
用提供了良好的信息源，也为水下图像工程的顺利实
施提供了基础的保障．
参考文献：
［１］ Ｇｒｏｓｓｏ Ｖ Ａ Ｄ．Ｍｏｄｕｌａｔｉｏｎ ｔｒａｎｓｆｅｒ ｆｕｎｃｔｉｏｎ ｏｆ ｗａｔｅｒ［Ｊ］．
ＰｒｏｃＳＰＩＥ，１９７５，６４：３４．
［２ Ｊ Ｇｒｏｓｓｏ Ｖ Ａ Ｄ．Ｏｐｔｉｃａｌ ｔｒａｎｓｆｅｒ ｆｕｎｃｔｉｏｎ ｍｅａｓｕｒｅｍｅｎｔｓ ｉｎ
ｔｈｅ Ｓａｒｇａｓｓｏ Ｓｅａ［Ｊｊ．ＰｒｏｃＳＰＩＥ，１９７８，１６０：７４．
１ ３ Ｊ ＶｏｓｓＫ Ｊ．Ｍｅａｓｕｒｅｍｅｎｔ ｏｆｔｈｅｐｏｉｎｔ ｓｐｒｅａｄｆｕｎｃｔｉｏｎｉｎｔｈｅ
ｏｃｅａｎ［Ｊ］．ＡｐｐｌＯｐｔ，１９９０，２９（２５）：３６３８－３６４２．
［４］刘智深，黄晓圣，贺明霞．海洋与大气光学传递函数与
自然光辐射场的关系［Ｊ］．光学学报，１９８７，７（９）：７０７．
７１３．
Ｌｉｕ Ｚｈｉｓｈｅｎ，Ｈｕａｎｇ Ｘｉａｏｓｈｅｎｇ，Ｈｅ Ｍｉｎｇｘｉａ．Ｒｅｌ￣ｉｏｎ
ｂｅｔｗｅｅｎ ｏｐｔｉｃａｌ ｔｒａｎｓｆｅｒ ｆｕｎｃｔｉｏｎ ａｎｄ ｎａｔｕｒａｌ ｌｉｇｈｔ ｆｉｅｌｄ ｉｎ
ｔｈｅ ｓｅａ ｏｒ ａｔｍｏｓｐｈｅｒｅ ｌＪ］．Ａｃｔａ Ｏｐｔｉｃａ Ｓｉｎｉｃａ，１９８７，
２０１０年９月 张赫等：水下退化图像处理方法 ・８３３・
７（９）：７０７—７１３（ｉｎ Ｃｈｉｎｅｓｅ）．
［５］于亦凡，陈维真，黄海龙，等．图像传输方法测嚣海水的
点扩展函数［Ｊ］．光学学报，２０００，２０（１２）：１６４７—１６５１．
Ｙｕ Ｙｉｆａｎ，Ｃｈｅｎ Ｗｅｉｚｈｅｎ，Ｈｕａｎｇ Ｈａｉｌｏｎｇ，ｅｔ ａ１．Ｍｅａｓｕｒｅ—
ｍｅｎｔ ｏｆ ｔｈｅ ｐｏｉｎｔ ｓｐｒｅａｄ ｆｕｎｃｔｉｏｎ ｏｆ ｓｅａｗａｔｅｒ ｗｉｔｈ
ｍｅｔｈｏｄ ｏｆ ｉｍａｇｅ ｔｒａｎｓｍｉｓｓｉｏｎ［Ｊ］．Ａｃｔａ Ｏｐｔｉｃａ Ｓｉｎｉｃａ，
２０００，２０（１２）：１６４７—１６５１（ｉｎ Ｃｈｉｎｅｓｅ）．
［６］Ｐｕｎ Ｔ．Ｅｎｔｒｏｐｉｃ ｔｈｒｅｓｈｏｌｄｉｎｇ：Ａ ｎｅｗ ａｐｐｒｏａｃｈ［Ｊ］．
Ｃｏｍｐｕｔｅｒ Ｇｒａｐｈｉｃｓ ａｎｄＩｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ．１９８１．１６（３）：
２１Ｏ一２３９．
［７］ Ａｂｕｔａｌｅｂ Ａ Ｓ．Ａｕｔｏｍａｔｉｃ ｔｈｒｅｓｈｏｌｄｉｎｇ ｏｆ ｇｒａｙ—ｌｅｖｅｌ
ｐｉｃｔｕｒｅｓ ｕｓｉｎｇ ｔｗｏ－ｄｉｍｅｎｓｉｏｎａｌ ｅｎｔｒｏｐｙ ｌＪＪ．Ｃｏｍｐｕｔｅｒ
Ｖｉｓｉｏｎ，Ｇｒａｐｈｉｃｓ，ａｎｄＩｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，１９８９，４７（１）：２２—
３２．
［８］李晓磊，邵之江，钱积新．一种基于动物自治体的寻优
模式：鱼群算法［Ｊ］．系统工程理论与实践，２００２，
２２（１１）：３２—３８．
Ｌｉ Ｘｉａｏｌｅｉ，Ｓｈａｏ Ｚｈｉｊｉａｎｇ，Ｑｉａｎ Ｊｉｘｉｎ．Ａｎ ｏｐｔｉｍｉｚｉｎｇ
ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ａｕｔｏｎｏｍｏｕｓ ａｎｉｍａｌｓ：Ｆｉｓｈ—ｓｗａｒｍ
ａｌｇｏｒｉｔｈｍ［Ｊ］．Ｓｙｓｔｅｍｓ Ｅｎｇｉｎｅｅｒｉｎｇ：Ｔｈｅｏｒｙ ａｎｄ Ｐ ｃ—
ｔｉｃｅ．２００２．２２（１１）：３２．３８（ｉｎＣｈｉｎｅｓｅ）．
［９］ 李晓磊，钱积新．基于分解协调的人１：鱼群优化算法研
究［Ｊ］．电路与系统学报，２００３，８（１）：１－６．
Ｌｉ Ｘｉａｏｌｅｉ，Ｑｉａｎ Ｊｉｘｉｎ．Ｓｔｕｄｉｅｓ ｏｎ ａｒｔｉｆｉｃｉａｌ ｆｉｓｈ ｓｗａｒｍ
ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｄｅｃｏｍｐｏｓｉｔｉｏｎ ａｎｄ
ｃｏｏｒｄｉｎａｔｉｏｎ ｔｅｃｈｎｉｑｕｅｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｃｉｒｃｕｉｔｓ ａｎｄ
Ｓｙｓｔｅｍｓ，２００３，８（１）：１—６（ｉｎ Ｃｈｉｎｅｓｅ）．
［１０］屈新岳，宋蕾，于露．海洋光学特性对水下图像录
取系统的影响［Ｊ］．科教视野，２００７，３１（７）：２０—２２．
Ｑｕ Ｘｉｎｙｕｅ，Ｓｏｎｇ Ｌｅｉ，Ｙｕ Ｌｕ．Ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｏｃｅａｎ ｏｐｔｉｃ
ｃｈａｒａｃｔｅｒ ｕｐｏｎ ｕｎｄｅｒｗａｔｅｒ ｉｍａｇｅ ｒｅｃｅｉｖｉｎｇ ｓｙｓｔｅｍ［Ｊｊ．
Ｓｃｉｅｎｃｅ ａｎｄ Ｅｄｕｃａｔｉｏｎａｌ Ｉｎｆｏｒｍａｔｉｏｎ，２００７，３１（７）：２０—
２２（ｉｎ Ｃｈｉｎｅｓｅ）．
［１１］孙传东，陈良益，高立民，等．水的光学特性及其对水下
成像的影响［Ｊ］．应用光学，２０００，２１（４）：３９—４６．
Ｓｕｎ Ｃｈｕａｎｄｏｎｇ，Ｃｈｅｎ Ｌｉａｎｇｙｉ，Ｇａｏ Ｌｉｍｉｎ，ｅｔ ａ１．Ｗａｔｅｒ
ｏｐｔｉｃａｌ ｐｒｏｐｅｒｔｉｅｓ ａｎｄ ｔｈｅｉｒ ｅｆｆｅｃｔ ｏｎ ｕｎｄｅｒｗａｔｅｒ ｉｍａｇｉｎｇ
ｆＪ］．Ｊｏｕｒｎａｌ ｏｆＡｐｐｌｉｅｄ Ｏｐｔｉｃｓ，２０００，２１（４）：３９—４６（ｉｎ
Ｃｈｉｎｅｓｅ）．
［１２］郑冰，孙飞飞，王光鹏．散射对激光水下网像传输影
响的理论分析［Ｊ］．微计算机信息，２００７，２３（１０）：５８—６０．
Ｚｈｅｎｇ Ｂｉｎｇ，Ｓｕｎ Ｆｅｉ￣ｉ，Ｗａｎｇ Ｇｕａｎｇｐｅｎｇ．Ｔｈｅ ｔｈｅｏｒｅｔｉｃ—
ｃａｌ ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ａｆｆｅｃｔ ａｂｏｕｔ ｓｃａｔｔｅｒ ｔｏ ｌａｓｅｒ ｕｎｄｅｒｗａｔｅｒ
ｉｍａｇｉｎｇ ｐｒｅｃｉｓｉｏｎ［Ｊ］．Ｍｉｃｒｏ—Ｃｏｍｐｕｔｅｒ Ｉｎｆｏｒｍａｔｉｏｎ，
２００７，２３（１０）：５８—６０（ｉｎ Ｃｈｉｎｅｓｅ）．
［１３］Ｇｏｎｚａｌｅｚ Ｒ Ｃ，Ｗｏｏｄ Ｒ Ｅ．Ｄｉｇｉｔａｌ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ
［Ｍ］．２ｎｄ ｅｄ．Ｂｅｉｊｉｎｇ：Ｅｌｅｃｔｒｏｎｉｃｓ Ｉｎｄｕｓｔｒｙ Ｐｕｂｌｉｓｈｉｎｇ
Ｈｏｕｓｅ，２００３．
［１４ Ｊ Ｈｕｆｎａｇｅｌ Ｒ Ｅ，Ｓｔａｎｌｅｙ Ｎ Ｒ．Ｍｏｄｕｌａｔｉｏｎ ｔｒａｎｓｆｅｒ ｆｕｎｃｔｉｏｎ
ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ｉｍａｇｅ ｔｒａｎｓｍｉｓｓｉｏｎ ｔｈｒｏｕｇｈ ｔｕｒｂｕｌｅｎｔ
ｍｅｄｉａ［Ｊ］．ＪＯｐｔＳｏｃＡｍ，１９６４，５４（１）：５２—６０．
［１５］孙品华，尚寿亭，桑恩方，等．水下影像衬度的理论分
析［Ｊ］．哈尔滨Ｔ业大学学报，２００４，３６（４）：４６０—４６２．
Ｓｕｎ Ｊｉｎｇｈｕａ，Ｓｈａｎｇ Ｓｈｏｕｔｉｎｇ，Ｓａｎｇ Ｅｎｆａｎｇ，ｅｔ ａ１．
Ｔｈｅｏｒｅｔｉｃａｌ ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｃｏｎｔｒａｓｔ ｏｆ ｉｍａｇｅ ｕｎｄｅｒｗａｔｅｒ
［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｈａｒｂｉｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，２００４，
３６（４）：４６０—４６２（ｉｎ Ｃｈｉｎｅｓｅ）．
［１６］张云熙．大气调制传递函数的计算［Ｊ］．舰船光学，
１９８４（４）：１－６．
Ｚｈａｎｇ Ｙｕｎｘｉ．Ｃａｌｃｕｌａｔｉｏｎ ｏｆ ａｔｍｏｓｐｈｅｒｉｃ ｍｏｄｕｌａｔｉｏｎ
ｔｒａｎｓｆｅｒ ｆｕｎｃｔｉｏｎ［Ｊ］．Ｓｈｉｐ Ｏｐｔｉｃｓ，１９８４（４）：１－６（ｉｎ
Ｃｈｉｎｅｓｅ）．
［１７］郑光昭．光信息科学与应用技术［Ｍ］．北京：电子＿Ｔ业
出版社，２００２．
Ｚｈｅｎｇ Ｇｕａｎｇｚｈａｏ．Ｏｐｔｉｃａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ
Ａｐｐｌｉｃａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ［Ｍ］．Ｂｅ ｉｎｇ：Ｅｌｅｃｔｒｏｎｉｃｓ Ｉｎｄｕｓ－
ｔｒｙ Ｐｕｂｌｉｓｈｉｎｇ Ｈｏｕｓｅ，２００２（ｉｎ Ｃｈｉｎｅｓｅ）．
１８］王闯．人工鱼群算法的分析与改进［Ｄ］．大连：大连
海事大学，２００８．
Ｗａｎｇ Ｃｈｕａｎｇ．Ｔｈｅ Ａｎａｌｙｓｉｓ ａｎｄ Ｉｍｐｒｏｖｅｍｅｎｔ ｏｆ
Ａｒｔｉｆｉｃｉａｌ Ｆｉｓｈ Ｓｗａｒｍ Ａｌｇｏｒｉｔｈｍ［Ｄ］．Ｄａｌｉａｎ：Ｄａｌｉａｎ
Ｍａｒｉｔｉｍｅ Ｕｎｉｖｅｒｓｉｔｙ，２００８（ｉｎ Ｃｈｉｎｅｓｅ）．
［１９］马建伟，张国立，谢宏，等．利用人工鱼群算法优化前
向神经网络［Ｊ］．计算机应用，２００４，２４（１０）：２１．２３．
Ｍａ Ｊｉａｎｗｅｉ，Ｚｈａｎｇ Ｇｕｏｌｉ，Ｘｉｅ Ｈｏｎｇ，ｅｔ ａ１．Ｏｐｔｉｍｉｚａｔｉｏｎ
Ｏｆ ｆｅｅｄ—ｆｏｒｗａｒｄ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ｂａｓｅｄ ｏｎ ａｒｔｉｆｉｃｉａｌ ｆｉｓｈ—
ｓｗａｒｍ ａｌｇｏｒｉｔｈｍ［Ｊ］．Ｃｏｍｐｕｔｅｒ Ａｐｐｌｉｃａｔｉｏｎｓ，２００４，
２４（１０）：２１．２３（ｉｎ Ｃｈｉｎｅｓｅ）．
［２０］郑楚君，李榕，常鸿森．离焦模糊数字图像的Ｗｉｅｎｅｒ
滤波频域复原［Ｊ］．激光杂志，２００４，２５（５）：５７．５８．
Ｚｈｅｎｇ Ｃｈｕｊｕｎ，Ｌｉ Ｒｏｎｇ，Ｃｈａｎｇ Ｈｏｎｇｓｅｎ．Ｒｅｓｔｏｒａｔｉｏｎ ｏｆ
ｄｅｆｏｅｕｓ ｂｌｕｒｒｅｄ ｄｉｇｉｔａｌ ｉｍａｇｅ ｕｓｉｎｇ Ｗｉｅｎｅｒ ｆｉｌｔｅｒ ｉｎ
ｆｒｅｑｕｅｎｃｙ ｄｏｍａｉｎ［Ｊ］．Ｌａｓｅｒ Ｊｏｕｒｎａｌ，２００４，２５（５）：５７—
５８（ｉｎ Ｃｈｉｎｅｓｅ）．