水下结构状态视觉检测过程中，观测相机镜头易受到水体中枯叶、藻类等悬浮杂质遮挡，导致水下结构表观影像信息丢失，影响检测效果。针对该问题，利用水下视频序列中的帧内空间信息与帧间运动信息，提出一种悬浮杂质遮挡消除方法。根据相邻帧间的光流场分布信息，提出位移补偿策略，消除相机移动导致的帧间背景偏移；结合悬浮杂质成像特性，建立动态视觉感知模型，在对齐后的相邻帧基础上，实现不同形态悬浮杂质的准确检测；构建一种混合引导修复模型，确立帧间最优互补信息，还原悬浮杂质遮挡区域。在构建的真实与合成数据集上的测试结果表明，本文方法能够准确检测并消除悬浮杂质的遮挡，处理后的图像质量在多项指标上均得到明显提升。

针对水下图像存在的雾化、模糊和颜色失真问题，提出一种基于全变分和颜色平衡的水下图像复原方法。以完整水下光学成像模型为基础，分别结合四叉树细分法与光在水中传播特性估计背景光，利用水下中值暗通道先验估计透射率，并采用共轭梯度和迭代最小二乘法估计模糊核。为提高计算效率，引入交替方向乘子法对变分能量方程进行逆求解得到去雾、去模糊的图像。在此基础上，在YCbCr空间采用颜色平衡算法对颜色通道进行补偿以校正色彩失真。与6种流行的水下图像增强和复原方法进行比较，实验结果表明，所提方法可以有效地去除雾化和模糊、校正色偏、恢复出清晰、色彩真实的水下图像。

针对不同场景下获得的水下图像存在色偏、细节模糊和对比度低等问题，提出一种基于四叉树分级搜索和透射率优化的水下图像复原方法。首先，建立双透射率水下成像模型，将透射率定义为直接分量透射率和后向散射分量透射率；然后，利用红通道补偿算法对原图像进行预处理，并利用四叉树分级搜索、改进暗通道先验和无退化像素点方法分别估计背景光强度、后向散射分量透射率和直接分量透射率；最后，通过逆求解成像模型，并采用满足瑞利分布的直方图拉伸获得复原图像。实验结果表明，与其他水下图像复原方法相比，所提方法对在强干扰环境下采集的水下图像有着更强的颜色失真校正以及模糊信息增强的能力。

针对水下图像对比度低、颜色失真、可见度低等问题，提出了一种基于场景深度估计和背景区域分割的复原方法。首先，利用多方向斜梯度算子和各颜色通道的衰减差估计图像的场景深度。然后，利用场景深度估计过程中得到的梯度和色差信息将图像的背景与前景区域分离，并分别在背景和前景区域估计背景光和透射率。在得到背景光和透射率图后，基于水下成像模型对前景区域进行场景恢复，同时采用在HSV颜色空间直方图拉伸的方法对背景区域进行对比度增强。最后，通过设置过渡区域权重图对前景和背景进行融合得到最终的复原结果。实验结果表明，所提方法能更准确地估计背景光和透射率，在对比度增强、色彩修正及清晰度提升等方面具有良好的性能。与经典的方法对比，所提方法在UIQM、UCIQE、FDUM和FADE等4个客观质量评价指标上的提升均超过15%。

针对水下降质图像复原过程中, 存在背景光预估偏差及对比度失衡的问题, 提出一种水下图像复原方法。首先根据超像素图像分割方法确定背景光区域及取值, 然后采用红通道先验理论求取预估透射率, 获得初步复原图像; 最终通过归一化幂律校正的限制对比度自适应直方图均衡化(Contrast Limited Adaptive Histogram Equalization, CLAHE)算法增强复原图像的颜色。使用 3种图像质量评价标准对实验结果进行客观分析, 结果表明, 该方法可以有效均衡对比度, 提高可视化效果。

针对视场中光源对成像的影响问题,提出了一种新的抑制光源干扰的水下图像复原方法。建立了考虑光源干扰的水下成像模型,利用光源辐射图像和无光源影响图像的梯度分布不同的特点来分离光源辐射,在获得的抑制光源影响的水下图像中,利用最大值滤波和中值滤波分别估计出全局背景光和水下透射率,有效地降低了视场光源对参数估计的影响。实验结果验证了抑制光源干扰的水下图像复原方法的有效性,能够显著提升水下场景的可视性。此外,该方法在无光源影响的水下图像中也取得了良好的复原效果。

针对水下图像存在颜色失真和视觉模糊等问题,提出基于光衰减先验和背景光融合的水下图像复原算法。首先通过最大强度先验计算背景光一,基于图像四叉树的方法估计背景光二,根据水下图像光照的亮暗情况对两个局部背景光进行融合,确定全局背景光;其次根据光衰减先验估计场景的相对深度,进而计算三个通道的透射率;然后逆求解水下光学成像模型以消除后向散射;最后结合限制对比度自适应直方图均衡算法以更好地校正水下图像的颜色畸变,最终得到复原后的水下图像。与4种具有代表性的水下图像复原方法进行主客观评价对比实验。实验结果表明,所提算法可以有效去除水下图像的视觉模糊,视觉效果更接近自然场景中的图像。

为了实现高偏振度(HDOP)水下目标的清晰成像,分析了传统水下偏振成像模型,从Schechner模型出发,以偏振度定义为基础,提出了一种对后向散射光偏振度进行全局估计的偏振成像复原算法,该算法考虑了目标反射光的偏振度。进行了水槽偏振成像实验,对拍摄的三种目标在不同浓度浑浊水体中的偏振图像进行了复原。复原结果表明,与Schechner原算法相比,经所提偏振成像算法处理后,复原图像的增强测度值提高了90%以上,图像灰度的平均梯度、图像灰度的标准差和信息熵也都有提升。不同目标偏振图像的复原结果表明,所提算法不但适用于表面粗糙的低偏振度(LDOP)水下目标,对表面光滑的HDOP水下目标也能取得满意的复原效果。

由于水体及水中的悬浮粒子对光的吸收和散射作用,水下观测到的图像呈现出模糊、对比度低、噪声严重等问题,加大了水下图像分析与理解的难度。为了克服这些缺陷,以水下光学成像模型为基础,提出了一种基于拉普拉斯算子先验项的,可同时去雾、去噪的快速变分复原方法。首先,根据水下光学成像模型设计变分模型的数据项和规则项,对拟恢复图像采用拉普拉斯算子先验项作为变分能量方程的规则项。然后,采用改进后的红通道先验估计得到全局背景光,结合红通道先验估计得到每个通道的透射率图。为进一步提高计算效率,引入交替方向乘子法(ADMM)对所提出的模型进行交替优化迭代求解。实验结果表明,该算法能有效地去除水雾,抑制水下图像的噪声,提高图像的对比度和清晰度。

针对水下图像颜色失真与模糊问题,提出了基于背景光估计与透射率优化的水下图像复原算法。该算法将透射率定义为直接分量透射率和后向散射分量透射率,有效提升成像模型的完整性。先对红色衰减分量进行补偿并重置直方图分布范围实现色彩均衡;基于亮度、梯度判别及色调判断选出最佳背景光点;再通过红色暗通道先验得到后向散射分量透射率,利用无退化像素点求得直接分量透射率;最后将两个透射率及所求背景光代入成像模型中以获得复原图像。实验结果表明,所提算法能够有效平衡图像的色度、饱和度及清晰度,视觉效果接近自然场景下的图像。