如何使用DEHAZENET和HWD算法在MATLAB中实现水下散射图像的图像增强？

本文共计1368个文字，预计阅读时间需要6分钟。

“1+内容介绍+去散射和边缘增强是解决水下图像对比度严重降低、颜色偏差和边缘模糊等问题的关键步骤。本文提出了一种较好的水下图像增强方法。首先使用端到端训练的‘’

1 内容介绍

去散射和边缘增强是解决水下图像的对比度严重衰减、颜色偏差和边缘模糊等问题的关键步骤。这篇论文提出了一种较好的水下图像增强的方法。首先使用经过端到端训练的卷积神经网络去测量输入图片，同时以自适应双边滤波器对传输图片进行处理。接着提出一种基于白平衡的策略来消除图片的颜色偏差，用拉普拉斯金字塔融合获得无雾和色彩校正图像的融合结果。最后，输出图像被转换为混合小波和方向滤波器组（HWD）域，用于去噪和边缘增强。 实验结果表明，该方法可以消除颜色失真，提高水下图像的清晰度。

水下成像在海洋资源勘探，环境保护，海上防御和军事等方面发挥了至关重要的作用。然而，水下图像由于背散射和光衰减而导致能见度差。光的随机衰减导致雾的外观。沿着视线从介质返回的光散射的一部分降低了捕获图像的对比度。在不同的水下环境中，图像质量下降的主要原因是不同的。

最近，研究人员提出了几种改善水下图像质量的方法。偏振和距离成像方法（Schechner和Karpel，2005; Tan等，2007）直接通过专用硬件解决了这个问题。 在（Voss等人，1990）中研究的另一种方法测量了海水的光学传递函数。 海水的调制传递函数（MTF）在（Liu et al。，2001）中制定，并且通过维纳滤波器可以恢复模糊的图像。 然而，由于昂贵的成本和设备的复杂配置，上述实验方法不适用于大多数海洋工程应用和科学研究。 由于水下环境复杂多变，基于水下退化模型的去卷积方法在实际应用中存在缺陷。

另外，图像增强方法不依赖于任何特定的退化模型，并且它们根据人类视觉感知来处理图像。