基于光照分量的多尺度水下图像增强

针对传统方法中水下图像透射率估计不够精确的问题，本文提出了一种基于光照分量的多尺度优化估计方法。该方法基于Retinex理论与水下光学成像模型，认为图像的光照分量等价于透射率分量；并结合图

随着人们对海洋探索的愈加重视，海洋地质勘查、深海生物考察等领域都取得了长足的发展，而水下成像的研究在其中起着极其重要的作用。光在水下环境中传播时，由于介质颗粒所造成的散射及水体的吸收，致使水下成像产生颜色失真、清晰度下降与信息丢失等问题。通过图像处理技术能够较好的改善图像质量，因此，研究水下图像增强具有十分重要的意义。

目前，针对水下图像增强与复原方法主要分为两类：一是基于非物理模型的方法，该方法不依赖于数学模型， 直接对像素进行操作以改善图像视觉效果。

该类方法由于没有考虑水下图像退化的影响因素， 仅仅只考虑对图像像素的调整与噪声去除，这样会使效果图像产生亮度不均匀现象。二是基于物理模型的方法，通过先验知识、假设条件或者水下光学属性近似估计出一些参数，进而求解模型得到清晰化的效果图像。2013 年，Jr 等人[1] [2]根据大气雾环境的成像特性，基于何的先验暗通道去雾算法[3]提出了一种专门针对水下图像的暗通道先验方法(UDCP)。由于红色光在水中衰减速率较快，该方法因而忽略其影响，仅通过蓝绿通道估计水下透射率图像，进而解决光的后向散射所造成的模糊问题。以上两种方法虽然在一定程度上改善了退化图像的质量，但都没有考虑到三通道透射率之间的差异性。Bianco [4]等人基于光在水下环境中衰减速率不同，提出了一种基于颜色通道差的水下图像增强方法，通过计算水下图像中红色通道与蓝绿色通道最大值之间的差异来估计景深，进而求解水下光学成像模型获得清晰图像。

该方法有效的解决了图像对比度低的问题。2016 年，李[5]等人提出了蓝绿通道增强与红色通道补偿的方法， 该方法先通过对彩色图像中蓝绿通道进行暗通道先验操作(DCP)， 之后与原始红色分量合并进行灰度世界算法，对红色分量进行矫正处理，最后通过光照补偿避免效果图像过度曝光。以上方法都没有考虑到红、蓝、绿三种颜色光在水下传输波长即衰减速率不同，即三通道图像对应景深图像不同，从而致使效果图像质量不佳。2016 年，Li 等人[6]提出了一种水下图像增强和颜色校正方法。该方法首先应用去雾算法消除图像模糊；再依次采用颜色补偿、直方图均衡等算法改善退化图像质量；最后使用双边滤波对图像进行去噪。实验结果表明该方法虽然可以有效性的改善水下图像对比度低的问题，但直接对水下退化图像进行去雾清晰化操作，忽略了各通道透射率估计不准确的问题。2017 年，刘辉[7]等人基于最优化方法，通过制定一个成本函数并将其最小化，以便找到一个使效果图像具有最大对比度的透射率图像。

虽然该方法有效的校正了图像颜色并提高图像对比度，但并没有考虑到三通道透射率之间的区别，从而使效果图像与真实场景图像存在一定偏差。

在本文中，我们基于水下光学成像模型与Retinex 思想[8]介绍了一种新的透射率估计方法，相比较于上文所述方法，该方法能够更加准确地估计各通道对应的透射率图像。下文中首先解释了光照分量近