【图像增强】Underwater Image Enhancement via Minimal Color Loss and Locally AdaptiveContrast Enhancement

黎心ORZ

已于 2024-11-15 12:17:01 修改

阅读量3.8k

点赞数 26

分类专栏：图像处理水下图像增强图像增强文章标签：计算机视觉 matlab 图像处理

于 2024-11-15 11:51:26 首次发布

本文链接：https://blog.csdn.net/lutlx20010913/article/details/143787060

版权

2.1水下成像的重要性与水下图像面临的问题

2.2现有水下图像增强（UIE）方法及局限

前言

本文发表于期刊IEEE Transactions on Image Processing ，发表时间为 2022 年 6 月。第一作者张东卫：中共党员，博士，河南科技学院信息工程学院校聘教授。长期从事低可视性图像增强、智慧农业、深度学习等方面的研究。

文献地址：Underwater Image Enhancement via MinimalColor Loss and Locally AdaptiveContrast Enhancement

代码地址：https://github.com/Li-Chongyi/MMLE_code

Abstract-摘要

翻译

水下图像由于波长相关的光吸收和散射而存在色差和低可见度。针对这些退化问题，本文提出了一种高效、鲁棒的水下图像增强方法MLLE，该方法首先根据最小颜色损失原则和最大衰减映射指导的融合策略对输入图像的颜色和细节进行局部调整，然后根据最小颜色损失原则和最大衰减映射指导的融合策略对输入图像的颜色和细节进行局部调整，最后根据最小颜色损失原则和最大衰减映射指导的融合策略对输入图像的颜色和细节进行局部调整。然后，利用积分映射和平方积分映射来计算局部图像块的均值和方差，并利用这些均值和方差来自适应地调整输入图像的对比度。同时，引入了一种色彩平衡策略来平衡CIELAB颜色空间中通道a和通道B之间的色差。我们的增强效果的特点是生动的色彩，改进的对比度，并增强了细节。在3个水下图像增强数据集上的实验结果表明，该算法在图像增强效果上有效得到提高。在单CPU上处理1024 × 1024×3的图像，处理速度可达1 s。实验进一步表明，该方法能够有效地提高水下图像分割、关键点检测和显著性检测的性能。项目页面位于https://li-chongyi.github.io/pr+oj_MMLE.html.

一、Introduction-引言

文章围绕水下图像增强展开，先阐述水下图像因多种因素导致质量下降及现有水下图像增强方法存在的不足，接着介绍了一种名为 MLLE 的水下图像增强方法及其两个主要阶段的具体操作，最后强调了该工作在提出高效方法、颜色校正以及对比度增强方面的三点贡献。

二、Background-背景

2.1水下成像的重要性与水下图像面临的问题

水下成像在海洋科学考察、水下机器人以及水下物体识别等诸多领域起着重要作用，水下图像是感知和理解水下环境的关键信息载体。然而，由于光的波长依赖型吸收和散射、光照不足以及低端水下成像设备等因素影响，水下图像的颜色和对比度出现了严重的退化情况。例如，光的选择性吸收易造成水下图像出现颜色偏差，光散射则容易致使图像细节模糊、对比度变低。