王德兴,王 越,袁红春
(上海海洋大学 信息学院,上海 201306)
近年不断提及的海洋强国战略表明,海洋资源的开发和利用是我国发展的必由之路。为了充分地了解海洋,获取海洋信息具有重要意义。水下图像作为水下信息的载体,其对深海环境感知与资源探索发挥着重要的作用。由于水下环境较为复杂,水下图像往往会呈现出模糊、对比度低、颜色失真等退化现象。退化的水下图像对水下高级视觉任务造成了一定的挑战,如水下机器人的自动巡航、水下目标检测[1-2]等。因此,寻找一种有效的方法对退化水下图像进行增强成为一个亟需解决的问题。
目前为止,存在3类方法可对退化的水下图像进行增强处理,分别为:基于物理模型的方法、基于非物理模型的方法和基于数据驱动的方法[3]。基于物理模型的方法依据Jaffe-McGlamery水下成像模型,将水下图像增强操作看成是水下成像的逆过程,通过求解水下成像模型的逆运算以获得清晰的水下图像[4-9]。该类方法需利用水下成像光学属性或物理先验知识,并依据水下成像模型对参数进行估计。由于模型通常建立在假设的基础上,对模型参数的估计存在一定的偏差,会造成图像增强效果不佳。Berman[5]等提出了基于模糊假设的传输估计和基于灰色世界假设的衰减系数比估计。当环境比场景更亮时,大多数像素都指向同一方向,很难检测到霾线,因此该方法可能会失效。基于非物理模型的方法主要通过直接调整图像像素取值,以改善图像的视觉感知[10-13]。……