由于水下光的吸收和散射作用, 水下图像往往存在颜色失真、对比度低、细节模糊等现象。因此, 提出一种基于加权融合的多空间转换水下图像增强方法。首先, 对图像进行白平衡处理,可以有效校正图像的蓝(绿)色外观;然后,分别对白平衡的图像将RGB空间转换为LAB空间, 用改进的自适应伽马校正处理L通道, 再转换回RGB空间; 在RGB空间进行CLAHE、双边滤波处理; 将RGB空间转换为HSV空间, 用结合引导滤波的单尺度Retinex算法处理V通道, 再转换回RGB空间;最后,将得到的3个结果加权融合和细节增强得到最终的增强图像。实验结果表明, 所提方法对提高水下图像的对比度和清晰度有良好的效果, 并可有效解决图像的颜色失真问题。

针对传统SIFT算法很难兼顾匹配实时性与匹配准确率这一矛盾,提出一种融合彩色信息表征与光照补偿的Harris-SIFT算法。该算法在图像灰度化之前计算彩色信息补偿,并通过高斯权重函数得出光照补偿量,增强图像对比度,进而提高系统的匹配准确率。通过Harris角点检测算法与SIFT算法融合提高系统的快速性并剔除表征不好的特征点,改善系统的实时性。实验结果表明匹配算法在匹配准确率提高的同时,还提高了算法的实时性。

光在水中传播时受水的吸收作用和水中微粒的散射作用而发生衰减;因水的浊度变化,且水下拍摄时景深不一,导致水下获取的图像雾化程度和色彩偏差不同。传统的去雾算法用于处理这些模糊程度和色差多变的图像时效果欠佳。针对该问题,提出基于亮通道色彩补偿与融合的水下图像增强算法。首先,基于亮通道对原图像进行色彩补偿,获得色彩补偿的图像;再对色彩补偿的图像进行自适应对比度拉伸获得对比度高的清晰图像;最后采用多尺度融合策略对色彩补偿后的图像及对比度拉伸后的图像进行融合。结果表明,本文算法可广泛应用于多种水下降质图像,且在无任何先验信息的条件下,能有效提高水下图像对比度和平衡图像色彩。

在水下环境中，光波会因散射和被水吸收产生衰减，导致水下图像存在对比度低、图像模糊、颜色失真等问题。彩色图像传感器具有RGB基本颜色传感器，每个颜色传感器可检测不同波长的光信息。由于不同波长的光具有不同的传输系数，因此对水下图像进行复原时，需要考虑这些基本颜色光之间的差异。针对红色波段的光被水严重吸收导致图像R通道亮度衰减的问题，根据电磁波传输理论获得景物与摄像机间的距离，以及R通道因水吸收导致的衰减系数，求出R通道的传输系数。为了验证本文方法的可行性，通过主观评价和客观评价对实验获得的图像进行质量评估。结果表明，相比于传统算法，本文方法可以更有效地对图像色彩进行补偿和去模糊，其复原图像更真实。