作者：Underwater Image Enhancement: Using Wavelength Compensation and Image Dehazing (WCID)
作者：John Y. Chiang
年份：2011年
期刊： ACIVS

摘要

本文提出了一种将水下图像与波长补偿（WCID）相结合的还原水下图像的算法。一旦事先使用暗通道估计了物体与相机之间的距离，就可以通过去雾算法消除色散带来的雾效应。接下来，从图像的背景光中的每个波长的剩余能量比来估计摄影场景深度。根据每个波长的衰减量，进行反向补偿以恢复色偏的失真。

1 介绍

物体反射的光向相机行进时，一部分光会遇到悬浮粒子，从而吸收并散射光。在没有黑体发射的环境中，散射通常会扩展为多重散射，从而将光束分散为均匀的背景光。
在这里插入图片描述

通过介质时，光会衰减；剩余能量比（Rer）：每单位距离的剩余能量与初始能量之比。光束通过长度为d（x）的介质前后的能量分别为EI（λ，0）和EO（λ，d（x））； tλ（x）表示光束通过介质后的剩余能量比。由于tλ（x）取决于波长λ和d（x），x与相机之间的距离tλ（x）会引起色散和色偏。
在这里插入图片描述

各种环境下的Rer均可通过一般海洋水为标准进行调整。假设来自空气的入射光束A经过衰减和多次散射后在深度D处形成背景光B；背景光与图像的最亮部分相对应。入射光束A和背景光B之间的关系可以用能量衰减模型表示：

在这里插入图片描述
EA（λ，0）和EB（λ，D）：入射光和波长为λ的背景光的能量

解决色散不能解决色偏（增强对比度并锐化图像）：
应用偏振片的特性来增强图像对比度和可见度，使用图像去雾消除雾化效果并增强图像对比度，并将点扩散函数（PSF）和调制传递函数相结合（MTF）结合小波分解来增强图像中的高频区域并增加可见度
解决色偏不能解决色散（改善了物体的颜色失真，不能修复图像模糊）：
利用透过水的光的特性，利用各种波长之间的衰减差异来提供能量补偿，并在水下图像上使用直方图均衡化来平衡颜色的亮度分布

2 水下图像模型

在这里插入图片描述
当到达水下深度D照亮水下场景时，水面上方的自然光会衰减。在场景中的一个点x，反射光传播到相机的距离为d（x），以形成图像。色散是光吸收和悬浮颗粒在到达相机的过程中多次散射的结果；偏色是由于不同波长的光的衰减不一致造成的，并且在深度D和距离d（x）中都发生。在从图像的顶部（D）到底部（D R）的深度范围R内，衰减程度在图像的每个区域中变化，从而需要估计每个补偿点的水下深度。通常，为了克服水下摄影环境中的不足照明，使用诸如L的人造光源来辅助摄影。在补偿深度范围内的衰减能量损失时，必须考虑由L贡献的亮度，以避免过度补偿。 WCID算法遵循水下图像模型进行逆向补偿，先消除距离d（x）的色散和色偏，然后恢复深度D的色偏。在进行适当的补偿之前，考虑图像范围R内衰减的能量量和人工光源L的亮度。

2.1相机和物体之间的距离：d（x）

图像中物体与相机之间的距离的传统估计需要两幅图像用于视差。在有雾环境中，雾度随距离增加而增加，使用DCP，可以推导d（x）。室外无雾图像的暗通道Jdark：
在这里插入图片描述

Bλ是均匀的背景光，且局部块Ω（x）中的剩余能量比tλ（y）本质上是常数，则：

重新排列上述方程式，并在所有三个颜色通道之间再执行一次min操作：

在这里插入图片描述

t（x）随d（x）变化。暗通道先验的计算是基于块的，从而有较不准确的深度图。利用图像抠像对深度图进行重划分，可以改善拼接的失真度，从而更好地捕捉物体轮廓。
图像抠图需要输入初步分割的深度图和原始图像。利用图像中局部区域wx的协方差与平均颜色值之间的关系对对象进行检测，然后利用对象之间的关系对初步分割的深度图进行校正。深度图为tcoarse，改进的深度图为trefine，则：
在这里插入图片描述

校正原始图像以获得更准确的d（x）后，水下图像Jλ（x）为：

在补偿由物体和照相机之间的距离引起的雾度和色偏之后，需要进一步估计物体与水面D之间的距离，以校准通过水深造成的色偏。

2.2摄影场景的水下深度D

假设来自空气的光束A中每个波长的能量分别为EA（R），EA（G）和EA（B）。到水深D，衰减后每个波长的能量变为背景光B：EB（R），EB（G）和EB（B）。为了估计水下深度D，首先检测背景光B。利用DCP估计与背景光B相对应的图像位置。深度D是衰减至深度K后背景光能量EB（R），EB（G）和EB（B）与来自空气EA（R），EA（G）和EA（B）的入射光能之间具有最小误差的深度：
在这里插入图片描述
确定D，就可以使用每个波长的衰减量来补偿能量差并从深度D恢复色偏失真：

使用深度D进行整个图像的能量补偿会导致某些色偏残留在图像底部。因此，为了实现不同深度下的能量补偿，需要对图像中每个点的深度进行估计。