水下图像清晰化：Tetrolet变换在lαβ色彩空间的应用

"本文提出了一种基于Tetrolet变换的彩色水下图像清晰化算法，旨在改善水下图像传感器捕获的彩色图像的清晰度。首先，对原始图像进行暗原色初步复原，然后将其从RGB空间转换到lαβ色彩空间。在lαβ空间中，对亮度通道l应用Tetrolet变换，分别处理高频和低频分量。高频部分用Bilateral滤波器增强边缘和轮廓，低频部分通过非局部均匀滤波增强整体结构。接下来，对α和β通道进行空间均值颜色校正，以纠正色彩偏差。最后，将处理后的各通道反向转换回RGB空间，并更新透射率，从而得到清晰、色彩饱满的水下图像。实验结果显示，该算法在图像色彩恢复和边缘细节表现上表现出色。" 本文重点探讨了水下图像处理中的一个重要问题——彩色图像的清晰化。Tetrolet变换是一种多分辨率分析工具，类似于小波变换，但更适合处理图像的线性细节。在本算法中，它被用于亮度通道的高频和低频分量分离，以便进行有针对性的处理。Bilateral滤波器是一种兼顾空间邻近性和像素值相似性的滤波器，适用于保留边缘的同时平滑图像。非局部均匀滤波则利用图像的非局部相似性来增强图像的整体结构，尤其对于低频分量的效果显著。 lαβ色彩空间是一种色彩模型，相对于RGB空间更便于图像处理，因为它更好地分离了亮度和色彩信息。在水下图像中，由于光的散射和吸收，色彩和亮度通常会受到严重扭曲，因此转换到lαβ空间有助于独立处理这些问题。 在处理水下图像时，色彩校正是一个关键步骤，因为水的吸收特性会导致颜色偏差。本文提出的算法通过空间均值颜色校正来纠正这些偏差，确保最终图像的色彩准确性。 该算法结合了Tetrolet变换、Bilateral滤波、非局部均匀滤波以及lαβ色彩空间的优势，为水下彩色图像的清晰化提供了一个有效的解决方案。实验验证表明，这种方法在保持图像细节和恢复真实色彩方面具有显著优势，对于水下图像的视觉质量提升有着积极的贡献。