基于水下场景先验的水下图像增强方法研究

针对水体光线吸收与散射作用引起的图像模糊、低对比度和颜色失真等问题，提出一种基于水下场景先验的水下图像增强方法。首先利用水下场景的先验知识，结合水下成像物理模型和水下场景的光学特性，利用10种预定义衰减系数合成涵盖不同类型和退化水平的水下图像数据集；然后利用初始残差和密集级联，设计一类轻量级卷积神经网络（convolutional neural networks, CNN）模型增强水下图像，结合基于轻量级的网络结构和有效的训练数据，可减少增强模型的计算量并有效改善水下退化图像的视觉质量；最后采用归一化的后处理过程进一步提升图像增强的效果。仿真实验结果表明，所提方法可行有效，可应用到不同的真实水下场景，具有较强的鲁棒性与有效性。