水下图像复原：修正散射模型与色彩恢复算法对比

"主观评价-用户推荐系统" 这篇论文主要探讨了水下图像颜色校正算法的有效性，并进行了主观评价。作者通过对比实验展示了他们的新算法与现有的几种典型颜色校正方法，包括限制对比度自适应直方图均衡化（CLAHE）、白平衡算法、带色彩恢复的多尺度视网膜增强（MSRCR）算法和水下颜色校正（LAB）算法的性能差异。 在颜色恢复实验中，研究人员使用了一幅无失真的色卡图像以及其在水下拍摄的退化版本作为基准。实验结果显示，CLAHE算法虽然增强了图像的对比度，但整体图像颜色偏蓝，受到水下环境的影响。白平衡算法和LAB算法则分别导致图像偏红和整体偏暗，且存在模糊现象。相比之下，MSRCR算法提高了对比度，但仍然存在一定的问题。而作者提出的算法在实验结果中（图8和图9）表现出更好的颜色恢复效果，能够更准确地复原色卡的原始颜色，并且在局部放大后的图像对比中（图9），细节表现更佳，颜色信息更为清晰。 文章提到了一个关键的改进点，即对经典的水下成像模型进行修正。作者分析了光在水中的吸收衰减特性，结合海洋光学原理，将水体背景光融入到直接衰减项，并针对水下环境中红光快速衰减的问题，采用了红通道的逆通道补偿技术。此外，他们还使用基于四叉树的分级搜索算法来估计水体背景光值。在修正的成像模型基础上，结合水下暗通道先验估计介质透射率，从而实现水下图像的复原。 实验结果显示，新算法在复原水下图像时能够得到更自然的色彩，有效地恢复远景区域的细节信息，且在图像对比度、色度和饱和度的综合评价指标上优于对比算法。同时，这个算法具有较低的模型复杂度，适应性强，适用于处理不同类型的水下退化图像。 这篇论文提出了一个改进的水下图像复原方法，它在颜色校正和图像细节恢复方面有显著优势，为水下成像技术提供了新的解决方案。这一研究成果对于水下机器人视觉、海洋观测等领域有着重要的应用价值。