《表1 文献[28]指标对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《水下光学图像处理研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

文献[18]在水下成像模型的基础上提出水下图像综合预处理的框架，采用对比度均衡系统来抑制由光束模式引起的后向散射、衰减和光照不均匀问题，其中后向散射光成分的估计利用高斯函数卷积法，并提出反卷积处理前向散射的想法。2017年，Li等人[26]提出分层传输融合方法和用于单输入图像去散射的彩色线环境光估计方法，以暗通道为先验信息来估计初始透过率和环境光，使用颜色线来估计选定面片中的精致环境光，考虑了水下成像中的散射和模糊效应，实现对深度图和环境光的准确估计，提出图像复原框架。同年，文献[27]提出的基于光学成像模型的水下图像超分辨率重构方法，使用暗通道先验和双边滤波优化估算观测数据中的散射光，并作为噪声成分去除，通过提高低分辨率图像质量优化重构图像质量。2018年，文献[28]提出一种融合暗通道先验方法与稀疏表示的图像复原方法，该方法优势在于不直接将稀疏表示模型应用于原始输入图像，而是用于暗通道图，这样不仅能够有效去除噪声，还能减轻局部块选取对复原结果的影响，实验结果（图4）表明，采用这种方式得到的复原结果有效去除了噪声和模糊，同时消除halo效应和块效应。如表1所示，文献[28]方法Do AG值较大，从而去模糊效果更显著；Do H的值较大，因此文献[28]方法图像对景物细节分辨能力较强。2019年，Pan等人[29]提出一个多尺度迭代的水下图像去散射框架，利用卷积神经网络对传输映射进行估计，然后采用自适应双边滤波器对估计结果进行优化。文献[29]实验结果（图5）所示，Pan等人提出基于融合框架和边缘保持平滑算子（自适应双边滤波）的方法显著提高实际散射图像的可见度，保持了水下图像的自然外观，并恢复了水下图像的信息（如纹理、颜色），在定性和定量上都明显优于文献[30]提出的基于图像消霾方法。