林 森， 周天飞

(1.沈阳理工大学自动化与电气工程学院， 沈阳 110159； 2.辽宁工程技术大学电子与信息工程学院， 葫芦岛 125105)

海洋为人类提供了丰富的能源，水下机器人依赖视觉系统获取的水下视频和图像是开发资源的重要方式，但在复杂成像环境中，水体以及水中杂质对光的吸收与散射导致水下图像质量大幅下降，比如吸收会降低光传播的能量，散射引起光传播方向的变化。由此造成的退化形式包括雾化现象、色彩失真和细节模糊[1]等，使得水下资源的开发存在极大困难。因此，水下图像的清晰化研究具有重要的应用价值。

近年来，研究者们提出了许多水下图像清晰化的方法，分为基于物理模型的水下图像复原技术和基于非物理模型的水下图像增强技术。水下图像复原需要根据图像降质模型对图像建模，估计模型参数逆求解得到清晰化图像。He等[2]通过大量统计得到暗通道先验理论(dark channel prior，DCP)，即在无雾图像中红绿蓝三颜色通道中至少存在一个低强度通道，并利用该理论进行背景光和透射率估计。杨爱萍等[3]在红通道预测与饱和指数的基础上，根据三颜色通道相对衰减比估计各通道透射率，使用Shades of Gray计算背景光，反演模型得到复原水下图像。林昌等[4]考虑到普遍算法对图像颜色纠正过度的问题，提出一种亮度自适应均衡化的改进带色彩恢复的多尺度视网膜增强(multi-scale retinex with color restore， MSRCR)算法，将全局亮度均衡后的图像与经过MSRCR算法之后的图像进行叠加，再通过拉伸灰度的方法实现色彩的提升。……