傅 博, 王瑞子, 王丽妍, 张湘怡

(辽宁师范大学 计算机与信息技术学院, 辽宁 大连 116081)

0 引 言

水下图像是海洋生物多样性观测和海洋环境监测的重要信息载体. 但由于水下成像环境较复杂, 水下成像系统潜入到海底深处后会因光照、 介质、 波长、 震荡等原因导致图像退化, 产生诸如水下图像颜色偏蓝、 偏绿、 清晰度下降、 细节信息丢失等问题, 如图1所示. 由图1可见, 这种退化不仅影响观测的视觉感受, 且严重影响识别、 跟踪、 颜色分析等高层计算机视觉任务. 因此, 通过水下图像处理算法, 能较好地改善水下图像质量, 对海洋生物的分类识别乃至海洋生物多样性观测具有重要价值.

图1 干净水下图像(A)与真实水下退化图像(B)Fig.1 Clean underwater images (A) and real underwater degraded images (B)

水下图像处理技术分为传统的图像优化算法和基于卷积神经网络的图像优化算法两类. 传统的图像优化算法又可分为水下图像复原和水下图像增强两部分, 其中水下图像复原算法主要侧重于水下图像的细节修复, 而水下图像增强更侧重于水下图像整体色彩的调整. Schechner等[1]基于消除水下图像的偏振干扰, 通过在相机摄像头上安装可调试的偏振器, 获得了同一场景下不同偏角的多角度水下图像, 结合多张图像以及计算出的偏振度, 便可估计场景深度, 从而达到图片复原效果. Li等[2]提出了除雾和颜色校正水下图像复原的方法, 先用一种简单算法对图像进行预处理, 再通过调整饱和度强度、 拉伸直方图等方式增强……