水下图像清晰化技术研究.pdf

水下图像清晰化技术研究

摘要

海洋资源探索和开采，水下目标实时探测与跟踪等水下任务离不开视觉技术的协

助，清晰水下图像以最直接的方式提供出丰富的有效信息。但由于光线在水下传播时受

到选择性吸收和散射作用，采集到的水下图像普遍出现颜色偏移、细节模糊、低光照以

及结构层次不分明的问题，部分人工光照场景下的局部不均匀强光还会导致细节丢失。

为了增强和重构出不同场景下水下退化图像的细节和色彩，本文从多个角度考虑，逐级

深入地提出三种有效的水下图像清晰化方法，并将其与主流先进方法进行综合对比来验

证其有效性，本文主要研究内容如下：

首先，考虑水下图像的颜色分布特性和基于像素调整的增强方法的简单性，提出一

种基于颜色补偿与像素拉伸的水下图像增强算法。根据光线在水中传播时的差异性衰减

特性设计一种颜色均值补偿方法，并结合灰度世界假设对图像进行颜色校正；为增强其

全局对比度，在RGB颜色空间中对颜色校正后的图像进行全局拉伸；转换至lαβ颜色

空间，分别对图像亮度和色调进行自适应线性和曲线拉伸，以此进一步改善图像清晰度、

饱和度和色彩丰富度。

其次，为提升模糊细节的清晰度并改善增强结果的真实性，从水下图像退化机理出

发提出一种基于颜色校正与损失约束的水下图像复原算法。现有水下图像复原算法大多

结合水下暗通道先验基于原始退化图像估计背景光和透射图，容易造成暗通道的错误估

计进而影响后续重构过程。对此，根据水下成像特性对水下图像进行全局偏色校正，进

而基于颜色校正后的图像使用滑动分区的信息损失约束方法估计更加准确细致的透射

图，并使用导向滤波对透射图进行细化，最后结合水下成像模型重构出清晰图像。

从应用场景的广泛性出发，针对局部曝光和极低光照导致细节缺失的水下退化图

像，利用深度学习方法提出一种基于CNN和Transformer的增强模型并构建新的水下图

像数据集。所构建的水下图像数据集涵盖不同类型的真实水下图像和模拟水下图像，其

中模拟图像使用简单的颜色迁移方法快速合成，采用具备不同颜色偏移外观的水下图像

和不同清晰度的陆基图像分别作为迁移样本和迁移源图像来模拟水下图像的颜色偏移

差异和模糊差异特性。增强模型整体设计为一个U型架构的编解码网络，在编码器中充

分利用Transformer在不同维度上进行全局特征表征和特征提取，在解码器中采用卷积

层对特征进行初步解码与重组，然后结合通道注意力机制来有效模拟不同通道的特征分

布，并使用通道混合方法以及卷积残差结构来加强细节重构能力。

哈尔滨工程大学硕士学位论文

最后，在水下图像测试基准上进行大量对比分析和消融实验，验证本文数据集和清

晰化方法针对不同水下场景，在重建图像细节信息、校正色偏和提高图像视觉效果等方

面的有效性，并在真实海洋养殖场景下以及水下图像特征点检测和关键点匹配应用中验

证三种方法的有效性和实用价值。

关键词：水下图像增强；水下图像复原；颜色校正；透射图估计；深度学习

水下图像清晰化技术研究

Abstract

Theexplorationandexploitationofmarineresources,aswellasunderwatertaskssuchas

real-timedetectionandtrackingofunderwatertargets,heavilyrelyontheassistanceofimage

visibility-improvingtechnology.Clearunderwaterimagesproviderichandeffective

informationdirectly.However,duetotheselectiveabsorptionandscatteringoflightduring

underwaterpropagation,collectedunderwaterimagescommonlysufferfro