用于水下图像增强的色彩校正方法:一个系统的文献综述
Yong Lin Lai1, Tan Fong Ang1, Uzair Aslam Bhatti2
1Department of Computer System and Technology, Faculty of Computer Science and Information Technology, Universiti Malaya, Kuala Lumpur, Wilayar Persekutuan, Malaysia.
PloS one
|March 10, 2025
概括
本综述分析了13种水下图像增强方法,分为物理,非物理和深度学习方法. 未来的研究应该专注于实时应用的适应性和降低复杂性.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 海洋技术 海洋技术
背景情况:
- 由于光衰减,水下图像会出现颜色偏差,这阻碍了海洋勘测和自主导航等应用.
- 有效的水下图像增强对于改善各种海底操作中的可见性和数据质量至关重要.
研究的目的:
- 系统地审查和分析近期水下图像色彩校正方法的进展.
- 确定现有的水下图像增强技术的优点,局限性和研究缺口.
主要方法:
- 在八个数据库中进行了全面的文献搜索,确定了67项相关研究 (2010-2024年).
- 将13种不同的增强方法分为物理模型,非物理模型和基于深度学习的方法.
- 对算法方法,数据依赖性,计算复杂性和性能可变性的批判性分析.
主要成果:
- 物理模型模拟光衰减;非物理模型操纵像素值;深度学习方法从数据中学习映射.
- 持续的挑战包括算法限制,数据依赖性,计算成本和在不同水下环境中的可变性能.
- 建立了方法分类,突出了关键的研究差距.
结论:
- 需要提高增强方法在各种水下条件的适应性.
- 减少计算复杂性对于实现实时水下图像处理应用程序至关重要.
- 需要进一步的研究来克服当前的挑战,并推进水下图像增强领域.


