《表3 各算法相关指标对比表[45]》

  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

依据颜色恒常理论，基于Retinex算法及其后续发展算法的水下图像增强算法在处理颜色失真的水下图像时取得较好的效果。2014年，文献[43]提出基于Retinex算法的水下图像增强方法，对单色校正后的水下图像进行反射率和光照分解，解决了模糊和曝光不足的问题；采用交替方向优化算法进行分解，对分解后的退化图像进行简单有效的后处理。实验结果表明，增强后的图像具有色彩校正、亮度自然等特点。2019年，文献[44]提出基于多尺度Retinex的水下图像增强方法，对图像进行预校正，使像素分布均匀降低主色调；将经典的带强度通道的多尺度Retinex应用于预校正图像，以进一步提高对比度和颜色。实验效果，该算法具有灵活性、适应性、实时性的特点，促进水下机器人的感知水平。2017年，文献[45]结合Jaffe Mc Glamery成像模型和基于Retinex理论的图像增强算法，提出水下图像清晰化方案，大幅提升图像的对比度和清晰度。文献[45]与WCID算法、基于Retinex理论方法进行对比。各算法相关指标对比如表3所示，对比效果如图7所示。