水下图像增强：白平衡与相对全变分方法

"基于白平衡和相对全变分的低照度水下图像增强算法通过结合全局光照补偿、灰度世界算法、引导滤波和相对全变分等技术，有效地解决了低照度水下图像的色偏和细节模糊问题。" 在水下环境中，由于光线的吸收和散射，低照度图像常常出现色彩失真和细节丢失的现象。为了解决这些问题，研究者提出了一个创新的图像处理方法，该方法主要分为以下几个步骤： 首先，全局光照补偿是提升图像亮度的关键。利用光线在水中选择性衰减的特性，对图像进行全局调整，以增加整体亮度，使得图像更接近于真实场景的视觉效果。 其次，为了校正色偏，算法引入了灰度世界假设。灰度世界算法是一种常用的色彩校正方法，它假设图像中的颜色分布趋向于一个固定的灰度值。通过分析图像的平均颜色，可以对图像进行色彩平衡调整，减少因水下环境造成的色彩偏差。 接着，为了保留图像边缘细节的同时进行平滑处理，算法采用了引导滤波器。引导滤波器以其良好的边缘保持能力而闻名，它可以在平滑噪声和均匀区域的同时，保护图像的边缘和纹理信息不受破坏，这对于水下图像的细节恢复至关重要。 最后，利用相对全变分（Relative Total Variation）构建新的约束条件，估计出图像的照度图。通过低照度成像模型，结合照度图和原始图像，可以计算出增强后的反射图像，即最终的增强结果。这种方法能够有效地增强图像的对比度，突出暗部细节，同时避免亮部过曝。 实验证明，该算法在纠正色偏和增强图像细节方面表现优秀。无论是主观视觉评估，还是客观的图像质量指标分析，都显示出其在水下图像增强领域的优越性能。此外，与其他同类算法的比较实验也证实了其有效性和适用性。 "基于白平衡和相对全变分的低照度水下图像增强"算法通过一系列高级图像处理技术，成功地解决了水下低光照环境下图像的质量问题，为水下图像的清晰呈现提供了有力的技术支持。这一方法对于水下摄影、水下监控以及水下机器人视觉系统等领域具有重要的实用价值。