使用色彩平衡和通过马校正通过形态残余处理进行水下图像增强.
Dawa Chyophel Lepcha1, Bhawna Goyal2,3, Ayush Dogra4
1Graduate Institute of Biomedical Informatics, College of Medical Science and Technology, Taipei Medical University, New Taipei, 235, Taiwan.
Scientific reports
|January 14, 2026
概括
本研究介绍了一种高效的水下图像增强框架,可以恢复自然颜色并提高无训练数据的可见性. 该方法在海洋和机器人成像应用中显著优于现有的技术.
科学领域:
- 海洋生物学和生态学
- 机器人和计算机视觉 机器人和计算机视觉
- 图像处理 图像处理
背景情况:
- 水下图像由于光吸收和散射而存在可见性差,对比度低,颜色扭曲等问题.
- 这些退化阻碍了视觉质量,并影响了海洋和机器人成像应用.
- 现有的水下图像增强 (UIE) 方法通常需要训练数据或深度估计,这限制了它们的实时适用性.
研究的目的:
- 开发一个高效和强大的水下图像增强框架,用于自然色彩恢复和结构改进.
- 为实时IEU应用提供无培训和深度独立的解决方案.
- 提高水下图像的质量,以改善海洋监测和检查.
主要方法:
- 适应性色彩补偿策略可以纠正频道失衡.
- 形态残留处理提炼纹理并抑制噪音.
- 适应式多尺度融合和马校正确保平衡的对比度,亮度和细节保存.
主要成果:
- 与22种最先进的方法相比,拟议的UIE框架实现了更高的性能.
- 定量评估显示,峰值信号与噪声比率 (PSNR),结构相似度指数测量 (SSIM),水下图像质量测量 (UIQM) 和水下彩色图像质量评估 (UCIQE) 显著改善.
- 该方法有效地恢复了现实的颜色,提高了可见性,并保留了水下图像中的细节.
结论:
- 开发的框架为实际的水下图像增强提供了有效,轻量级和计算效率高的解决方案.
- 该方法的稳定性和实时能力使其适用于各种海洋和机器人应用.
- 这项工作通过加强水下监测和检查,支持可持续发展目标14,9和12.
