陈从平 邹 雷 王 健

（三峡大学 机械与材料学院，湖北 宜昌 443002）

随着科学技术的不断发展，水下视觉成像、探测技术已在工业、军事、民用等各个领域得到了一定的应用，如海洋资源探测、水下打捞等，在这些过程中，需要通过视觉系统为水下机器人提供大量的信息，以实现对目标的自动辨识和操作的自动导引.但由于水下照明环境恶劣，造成成像质量较差，细节模糊，难以获取准确的信息.因而在对目标辨识之前，需要对图像进行复原处理，以获得尽量清晰的图像.

近年来已有不少文献对水下图像复原方法进行了研究，主要集中在非模型法和模型法两大类［1－2].非模型法主要根据图像特征和点扩展函数的相关知识对降质图像进行处理，包括直方图均衡化及其改进算法、基于非线性变换以及小波变换等算法、盲反卷积算法等［3－5].这些方法的共同缺点是使图像清晰化的同时，会造成图像失真，视觉效果差.模型法是根据光照物理模型去估计图像的降质模式，然后再根据估计结果去补偿、复原降质图像，包括基于散射模型［6]和高斯模型的水下图像复原算法［7]、基于模拟方法的水下图像盲复原算法［8]等.该类方法虽然能不失真地对降质图像进行复原，但通常需要有关成像系统和成像环境的一些附加信息，而这些信息在真实作业环境中难以获得.针对以上存在的问题，本文提出了一种基于清晰度评价的水下图像自适应复原算法，大量……