郭雨青，曾庆军，夏 楠，孙啸天，许赫威

（1.江苏科技大学计算机学院，江苏 镇江 212028; 2.江苏科技大学电子信息学院，江苏 镇江 212028）

0 引 言

自主式水下机器人（autonomous underwater vehicle，AUV）在军民用领域具有广泛的运用，是开发海洋资源的重要工具。AUV不仅机动性好而且巡航范围大，在水下观测、制图、定位和深海探测中具有着重要作用[1]。其中，目标识别与跟踪作为衡量AUV控制性能的重要指标[2]，是AUV自主作业的关键技术[3]。在水下目标识别方面，水下图像的质量对高级视觉识别任务有极大的影响，同时对于水下机器人对目标进行避障、抓取等运动规划起着重要决策作用[4]。

目前研究人员多围绕水下图像质量方面对AUV的目标识别开展研究。其中在基于图像融合[5-6]的图像复原方法中，合适的场景深度图是估计背景光和透射图的关键。由于光散射和颜色变化引起的水下图像的模糊效应类似于空气中的雾效应，有学者使用了暗通道先验（DCP）[7]及其变体进行深度估计和恢复。杨淼等[8]提出了一种基于色彩补偿的水下图像综合增强算法，通过色彩补偿和对比度拉伸，HSV空间γ校正和亮度通道去模糊系列方法实现了对水下图像的色彩校正,色彩对比度,饱和度和细节清晰度的综合提高。王昕等[9]利用最大强度先验图对背景光进行了估计，并利用灰度世界理论对R通道进行了校正。也有学者发现以往的估计背景光的方法对各种水下图像的鲁棒性不强，提出了一种基于图像模糊度和光吸收的方法来估计更精确的背景光和场景深度，以精确恢复彩色水下图像。……