陈 浩 刘宇涵 冯兴华 张江梅

(1. 西南科技大学信息工程学院 四川绵阳 621010; 2. 北京化工大学国际教育学院 北京 100029)

由于缺乏光照，水下图像与普通图像相比主要存在色偏、模糊和曝光不足等问题。另外，由于光能量的消耗、水下介质对相机光的吸收等，水下图像更易于出现曝光不足、模糊等问题。而低质量的水下图像会给水下机器人目标检测、水下目标识别、水下环境探测带来极大的困难。何凯明[1]在2009年提出了一种利用暗通道先验的方法进行图像去雾(Dark Chennel Prior, DCP)，通过最暗通道来估计图像的其他通道强度，进行了简单有效的单一图像预处理去雾。由于图像去雾算法的广泛研究，越来越多的研究者开始通过去雾算法的原理来进行水下图像的增强，Paulo Drews等[2]基于DCP算法，提出了利用水下图像的蓝绿色通道作为信息源的水下图像暗通道先验(Underwater Dark Chennel Prior, UDCP)算法，提升了水下图像对比度。Hummel[3]提出了一种利用直方图进行图像增强的方法，简称为HE算法。Iqbal等[4]在2010年提出通过一种采用无监督的色彩校正方法增强图像质量，简称为UCM算法。文献[5]基于水下光衰减先验的水下图像场景深度估计模型，并利用有监督线性回归对模型系数估计了水下图像的场景深度，简称为ULAP算法。Peng[6]基于图像模糊和光吸收的水下场景深度估计方法，采用图像形成模型(IFM)对水下图像进行恢复和增强，简称为IBLA算法。Lee等[7]通过一种连续色彩校正与基于超像素的图像分割方法实现了水下图像的质量提升。基于图像融合的思想，Ancuti[8]用两种色彩补偿以及白平衡的方法处理得到两张图像，用多尺度融合的办法提高了图像恢复的准确性，此方法称为UWB方法。……