一种适用于人工光照下黑暗背景的水下图像复原方法

1.本发明专利涉及图像处理领域，特别是涉及适用于人工光照下黑暗背景的水下图像复原方法。基于本发明专利，可实现针对于无人无缆水下机器人在黑暗水下工作环境环境中采集的水下图像的复原，使实现退化图像的清晰化。


背景技术：

2.无人无缆水下机器人自主作业的工作环境通常是在水下百米以下，该环境下自然光无法照射到，场景十分黑暗，机器人工作采用的人工光从人工光源发出后会被水体严重吸收，同时人工光经过水介质时受悬浮物的影响会发生严重的散射，因此，在这种环境下采集的水下图像会出现严重的退化，导致图像出现模糊不清、对比度低、颜色失真、噪点多等问题。为了能够为基于视觉作业的水下机器人提供清晰的信息支持使其能够精准快速辨别目标，退化水下图像得复原是水下机器人作业急需解决的问题。
3.水下图像复原的主体思路是针对于水下图像退化原理进行物理建模，通过对影响衰减的系数进行估计并回代，反解出清晰的水下图像。现有的典型水下图像复原方法是将基于暗通道先验的雾天去雾方法进行改进和优化然后应用到水下环境进行水下图像复原，该方法被称为水下暗通道先验，但是该方法由于缺失了红通道的信息，复原后的图像会出现色偏现象；galdran等人针对水下环境中红光衰减较快的问题而提出了红通道先验法，利用红通道的逆通道对暗通道先验法进行改进，但是该方法对复原图像的对比度提升不够理想。针对暗通道先验应用在水下环境中的不足，chiang等人假设水下环境中的归一化剩余能量比已知，提出了基于波长补偿和图像去雾的方法，有效地增强了水下图像的对比度。但是这些方法都是应用在是自然光照或者混合光照下场景相对明亮的水下图像，这与水下机器人工作的环境不同，例如，在水下识别探测目标，水下机器人处在黑暗无际的水体中，此时现有的水下图像复原方法不适用于该作业环境。因此，针对黑暗浑浊的水体环境的情况，研究一种适用于人工光照下黑暗背景的水下图像复原方法是很有意义的。


技术实现要素：

4.本发明的目的是是提供一种适用于人工光照下黑暗背景的水下图像复原方法，本专利可解决现有技术在人工光照下的浑浊黑暗水下环境处理图像时存在的由于背景光和透射率等参数估计不准而导致的图像处理效果不理想的问题，提高水下图像复原效果。
5.本发明的目的是这样实现的：
6.步骤(1)：输入原始水下图像，针对黑暗背景下的水下图像，采用基于亮通道先验原理改进模糊度景深估计方法，得到水下图像场景对应的景深d(x)；
7.步骤(2)：结合步骤(1)得到的景深图d(x)，根据背景光的定义，在景深图中找到背景水体区域，在背景水体区域内找到暗通道值最大的点，其对应的强度即为背景光强度b
λ
。其中，λ为波长，λ∈{r,g,b}；
8.步骤(3)：根据黑暗水环境下光的成像规律，利用水体区域场景深度为“无穷远”的
特性，光从人工光源处发出后在背景区域经过“无穷远”光路的衰减，直接分量强度趋向于“0”，最后只有后向散射分量返回相机，结合步骤(1)与步骤(2)得出的景深d(x)和背景光b
λ
，即可求出水下的衰减系数c
λ
，进而求出场景中各点的透射率t
λ
(x)。
9.步骤(4)：结合步骤(2)和步骤(3)给出水下图像背景光估计结果以及透射率估计结果，根据水下图像复原公式复原水下图像，并输出最终清晰的水下图像。
10.进一步地，所述的步骤(1)具体为：
11.本发明提出一种改进的估计景深的方法。水下图像中任意一点的像素点与周围像素点会随着图像模糊程度的增大而逐步接近。亮通道先验原理指出，亮通道更能代表出图像受光照强度的大小，也便能够更加准确的反映出人工光源下场景中物体距离光源的远近程度。计算亮通道图像的每个像素点的强度值与其使用多尺度高斯滤波之后图像对应像素点的强度值的差值，用这个差值表示每个像素点的模糊特征：
[0012][0013]
其中，x表示场景中一点的坐标，x＝(x
′
,y
′
)，g
k,σ
表示核大小为k
×
k,方差为σ2的高斯滤波器，k与σ都为2in+1。blur(x)越小说明这个位置上的像素点的强度值与周围的像素点的强度值的差值就越小，水下图像中对应的该位置就越模糊，该位置上的物体与相机之间的成像距离就越大，反之亦然。因此，利用各场景点的模糊度值blur(x)的大小即可表示场景中各点的相对深度。最后将相对景深图进行拉伸，得到真实的景深估计图的d(x)。
[0014]
进一步地，所述的步骤(2)具体为：
[0015]
背景光b
λ
的求解工作是基于背景水体区域的像素点进行的，因此在图像中准确的分割出背景的水体区域是背景光b
λ
求解的关键。水下图像中，因为人工光源的引入，图像场景中后向散射严重，除了前景中的物体的亮度高于背景之外，水体中的距离小于前景景深的杂质悬浮物也在人工光源的照射下在图像中呈现为高亮的白点。为了分割出背景水体区域并且排除杂质对图像后续参数求解的影响，利用前景和杂质距离相机近,场景深度较小，背景水体场景深度趋向于“无穷远”的特性，采用ostu阈值法实现背景水体区域与前景及杂质的分割，得到背景水体区域a。
[0016]
在分割出的背景水体区域a采用暗通道先验法来估计背景光b
λ
：选取背景水体区域a暗通道值较大的前0.1％最亮的像素点，并将这些像素点对应到原始图像中，这些区域就是雾浓度最大的区域，然后选择像素最大的点的值作为背景光估计值b
λ
。
[0017]
进一步地，所述的步骤(3)具体为：
[0018]
本发明提出了一种适用于黑暗背景下的水下图像透射率t
λ
(x)求解方法。光在水介质中传播时强度随距离d(x)的增加呈指数衰减，一般用透射率t
λ
(x)来反应光强的衰减程度，它是水下图像复原中补偿不同波长光能量衰减的重要参数。透射率表达式为式中c
λ
为总衰减系数，d(x)为目标物上一点x处与水下摄像机之间的距离。在场景深度图d(x)已经估计出的条件下，为了能够得到一幅水下图像准确的透射率图t
λ
(x),必须要求出水下衰减系数c
λ
。
[0019]
针对人工光照下采集的黑暗背景的水下图像，根据黑暗水下环境特殊的成像特征，利用背景水体区域a的后向散射强度求解水下衰减系数c
λ
。
[0020]
已知，光在水中的主要衰减方式是吸收和散射。其中散射分为前向散射和后向散射，前向散射因为发生的比例相对很小所以在水下成像的物理模型的计算中忽略不计，而后向散射是指光经过水介质以及水中杂质的反射而发生的光路上的改变，是场景中产生“雾罩”的主要原因。
[0021]
因此，在黑暗的水下环境中采集的图像，背景水体区域的景深趋于“无穷远”，光从人工光源发出进入在背景区域a。其中，一部分光发生后向散射，经过水介质与杂质的散射进入相机使图像产生了“雾罩”，另一部分未发生散射的光经过“无穷远”光路的传播被吸收殆尽，从而没有光再返射回相机。最终，背景区域的图像呈现为黑色的背景下笼罩这一层白雾。其物理成像模型为：
[0022][0023]
其中，光在背景水体区域a经过“无穷远”光路的衰减后的成像模型便可简化为：
[0024][0025]
因此，利用已经求解出的背景光b
λ
与景深d(x)，水下衰减系数便可由下式解出：
[0026][0027]
由此，结合已经估计出来的景深图d(x)，便可求解出水下图像的透射率图t
λ
(x)：
[0028][0029]
与现有技术相比，本发明的有益效果是：现在的水下图像复原方法主要是针对光照条件较好，环境明亮的水下环境，人工光照下黑暗背景的水下图像复原研究文献较少，由于人工光照的影响，距离相机及光源较近的场景点受到光源照射的强度就越高，即图像中前景的亮度要高于背景的亮度，这与明亮场景下的水下图像的成像规律是相反的。同时，现有的大多数文献在对水下图像进行处理时都以“归一化剩余能量比已知”、“衰减因子可由经验求得”等假设为前提，这在水下机器人复杂多变的工作环境是不适用的，无法满足这些假设条件。而本发明专利从实际需求出发，针对大多数深海作业的水下机器人的工作环境，首先改进了基于模糊度的景深估计方法使其适用于人工光照下黑暗背景的水下图像，其次提出了一种基于黑暗水下成像规律的背景光b
λ
和水下衰减系数c
λ
求解方法，利用场景深度将图像中背景的水体区域分割出来，并在黑暗的背景水体区域中估计出图像的背景光b
λ
和水下衰减系数c
λ
。再通过上述方法求出的水下衰减系数c
λ
和景深d(x)，即求得水下图像对应通道的透射率t
λ
(x)。本发明能够更加准确地复原出人工光照下黑暗水体环境中图像的清晰度，该方法对黑暗背景下的水体具有更高的适应性。
附图说明
[0030]
图1为本发明专利中人工光照下的水下成像模型。
[0031]
图2为改进的基于模糊度的景深估计方法流程图
[0032]
图3为本发明专利中实验所用的水下退化图像。
[0033]
图4(a)-(f)为本发明专利中本发明和现有的水下图像复原算法的复原效果对比
图。
[0034]
图5是本发明的整体流程图。
具体实施方式
[0035]
下面结合附图与具体实施方式对本发明作进一步详细描述。
[0036]
结合图1至图5，本发明的一种适用于人工光照下基于多帧图像的水下图像复原方法的具体实现步骤如下：
[0037]
步骤(1)：输入原始水下图像，针对黑暗背景下的水下图像，采用基于亮通道先验原理改进模糊度景深估计方法，得到水下图像场景对应的景深d(x)。
[0038]
景深，即场景深度，表示场景中点x与相机之间的距离。基于模型参数估计的水下图像复原方法中，场景深度关系到模型中透射率的计算，故其准确性至关重要。并且在黑暗且浑浊的水下环境中，光发生衰减和散射的程度远远严重于自然光照条件下的衰减与散射，各波长的光在水体中衰减程度几乎相同，不再出现色偏，并且严重的后向散射试图向呈现很浓的雾罩。
[0039]
因此为了提高黑暗背景水下图像场景深度估计的准确性，本专利对基于模糊度估计景深法进行了改进，使其适用于人工光照下浑浊黑暗背景的水下图像。
[0040]
首先，亮通道先验的基本思想是，在大多模糊图像中，某一些像素总会有至少一个颜色通道具有较大的强度。对于任意图像i，其亮通道表达式为：
[0041][0042]
其中，x表示场景中一点的坐标，x＝(x',y')；i
λ
(x)表示彩色图像i的点的某一r、g、b颜色通道，ω表示以像素点x为中心的邻域窗口。亮通道先验原理指出，亮通道更能代表出图像受光照强度的大小。也便能够更加准确的反映出人工光源下场景中物体距离光源的远近程度。因此本专利利用亮通道图像来改进基于模糊度的景深估计方法，来排除场景中由物体自身颜色带来的场景深度估计误差。
[0043]
其次，在求得的亮通道图的基础上，利用基于模糊度求景深的方法来对人工光照作用下黑暗背景的水下图像的景深进行估计。一般情况下，场景中物体的模糊程度会受到两个因素的影响：水下浑浊度及物体与相机之间的成像距离。虽然水体浑浊度是影响水下物体模糊程度的主要原因，但对于同一水下场景来说物体与相机之间的成像距离是决定场景中物体模糊程度的直接原因。通常情况下，目标物体与相机之间的成像距离越大越容易出现模糊，反之亦然。
[0044]
利用水下图像中任意一点的像素点与周围像素点会随着图像模糊程度的增大而逐步接近，首先提取出原始图形对应的亮通道图像，计算亮通道图像中每个像素点的强度值与其使用多尺度高斯滤波之后图像对应像素点的强度值的差值，用这个差值表示针对每个像素点的模糊特征：
[0045][0046]
其中，x表示场景中一点的坐标，x＝(x
′
,y
′
)；g
k,σ
表示核大小为k
×
k；方差为σ2的
高斯滤波器；k与σ都为2in+1。blur(x)越小说明这个位置上的像素点的强度值与周围的像素点的强度值的差值就越小水下图像中对应的该位置就越模糊，该位置上的物体与相机之间的成像距离就越大。
[0047]
因此像素点的模糊度可以代表该像素点的相对场景深度，但不能代表真实的场景深度，为了将水下图像中的点与点之间的相对距离转化为绝对距离，需要首先需要明确图像中最近点的实际距离。在水下机器人实际作业中，水下机器人与目标物之间的距离d0可以通过其自身装备的多普勒计程仪(dvl)测量得到。
[0048]
因此实际景深为：
[0049]
d(x)＝d
×
blur(x)+d0[0050]
式中：d为转换系数，通过大量实验验证，本发明专利中d＝8。估计场景深度的具体流程图如附图2所示。
[0051]
步骤(2)：结合步骤(1)得到的景深图d(x)，根据背景光的定义，在景深图中找到背景水体区域a，在背景水体区域内找到暗通道值最大的点，其对应的强度即为背景光强度b
λ
。其中，λ为波长，λ∈{r,g,b}。
[0052]
背景光是指在图像中非物体前景区域，无穷远处最亮的点对应的像素值。因此对于一张水下图像，其背景光值是一个定值。在黑暗浑浊的水下环境中，人工光源的作用会使距离相机及光源较近的前景以及水介质中的杂质悬浮物的亮度会高于背景区域像素点的亮度。因此，经典方法非常容易将杂质或者目标物上的亮点误判为能够代表背景光值的像素点。
[0053]
因此，基于上述分析，为了能够准确地求解出图像场景中的背景光的值，首先考虑将背景水体区域分割出来，然后在背景水体区域使用暗通道先验法来估计背景光。
[0054]
本专利考虑采用图像分割处理技术来将背景水体从图像中分割出来，采用传统的灰度分割法分割时，由于水体浑浊，杂质悬浮物较多，严重的水下散射导致图像中物体的边缘模糊。同时不同颜色的物体在转换为灰度图像后，灰度值相差较大，这导致利用灰度阈值法无法将水体完整从图像中分割出来。针对此问题本发明提出了基于场景深度的水下黑暗背景图像分割方法，使得黑暗背景下的水体区域能够完整的从图像中分割出来，排除了前景颜色以及水中悬浮物杂质形成的亮点对背景光估计的干扰。
[0055]
首先，黑暗背景的水下图像是模拟水下机器人在深海水中悬浮前进过程采集的图像，因此背景区域是“无穷远”的黑暗水环境，前景则是在人工光源照射范围内的水中物体。利用前景和杂质距离相机近,场景深度较小，背景水体场景深度趋向于“无穷远”的特性，利用ostu阈值法实现背景水体区域与前景及杂质的分割，为下一步背景光的估计做准备。
[0056]
然后，在分割出的背景水体区域利用暗通道先验法估计背景光。选取背景水体区域a暗通道值较大的前0.1％最亮的像素点，并将这些像素点对应到原始图像中，这些区域就是雾浓度最大的区域，然后选择像素最大的点的值作为背景光估计值b
λ
。
[0057]
步骤(3)：根据黑暗水环境下光的成像规律，利用水体区域场景深度为“无穷远”，人工光从光源出发出后经过“无穷远”光路的衰减，背景水体区域理想强度为“0”，结合步骤(1)与步骤(2)得出的景深d(x)和背景光b
λ
，即可求出水下的衰减系数c
λ
，进而结合景深d(x)求出场景中各点的透射率t
λ
(x)。
[0058]
光在水介质中传播时随距离d的增加呈指数衰减，一般用透射率t
λ
(x)来反应衰减
程度，它是水下图像复原中补偿不同波长光能量衰减的重要参数。透射率t
λ
(x)表达式为：
[0059][0060]
式中：x表示场景中一点的坐标，x＝(x
′
,y
′
)；d(x)表示场景中一点x与水下摄像机之间的距离，即景深。c
λ
表示波长为λ的光的总衰减系数；
[0061]
因此，为了能得到一幅水下图像准确的透射率t
λ
(x)，在景深已经估计出来的前提下，需要设计出一套估计水下衰减系数c
λ
方法。
[0062]
总衰减系数c
λ
除了受光的波长影响外，还受海水盐度以及浮游植物浓度的影响。目前多数研究是根据海洋环境类型给出一个衰减系数c
λ
的经验值，由于水下机器人作业的水下环境多变，无法确定参照已知的水下衰减系数来对图像进行复原，本发明提出了一种基于黑暗背景的水下图像的衰减系数c
λ
的求解方法。
[0063]
在水下环境中，光的主要衰减方式是吸收与散射。其中散射分为前向散射和后向散射，前向散射因为发生的比例相对很小所以在水下成像的物理模型的计算中忽略不计，而后向散射是指光经过水介质以及水中杂质的反射而发生的光路上的改变，是场景中产生“雾罩”的主要原因。
[0064]
在黑暗的水下环境中采集的图像，背景水体区域的景深趋于“无穷远”，光从人工光源发出进入背景区域。其中，一部分光发生过后向散射，经过水介质与杂质的散射进入相机使图像产生了“雾罩”，另一部分未发生散射的光经过“无穷远”光路的传播被吸收殆尽，从而没有光再返射回相机使得物理成像模型中的直接分量趋近于“0”。最终，背景区域的图像呈现为黑色的背景下笼罩着一层白雾。
[0065]
综上所述，在背景水体区域的物理原理成像模型为：
[0066][0067]
因此背景水体区域的成像模型可以简化为：
[0068][0069]
在背景水体区域利用已经估计出的背景光b
λ
与景深d(x)，水下衰减系数c
λ
便可由下式解出：
[0070][0071]
由此，r、g、b三个通道的衰减系数cr、cg、cb便可以根据以上公式求解得出。结合已经估计出来的景深图d(x)，便可求解出水下图像的透射率图t
λ
(x)。
[0072]
步骤(4)：结合步骤(2)和步骤(3)给出水下图像背景光估计结果以及透射率估计结果，根据水下图像复原公式复原水下图像，并输出最终清晰的水下图像。
[0073]
结合图1，根据jaffe-mcglamery水下光学模型可知人工光照下的水下成像模型：
[0074]iλ
(x)＝j
λ
(x)t
λ
(x)+b
λ
(1-t
λ
(x))
[0075]
式中：i
λ
(x)为水下相机拍摄到的水下模糊图像；j
λ
(x)为复原得到的理想清晰图像；t
λ
(x)为水下图像的透射率。
[0076]
利用步骤(2)、(3)中得到的背景光b
λ
和透射率t
λ
(x)，对于输入的原始图像i
λ
(x)，
则输出复原后的清晰水下图像j
λ
(x)：
[0077][0078]
(六)应用案例
[0079]
为验证本发明专利所设计的一种适用于人工光照下黑暗背景的水下图像复原方法的有效性，将本发明专利中所提出的算法与drews等人的udcp算法、galdran等人的红通道先验算法、bianco等人的mip算法、peng等人ibla算法、chiang等人的wcid算法进行实验对比。实验所用的原始水下退化图像如附图3所示，水下图像复原效果对比如附图4所示。其中：
[0080]
图4(a)对应使用本发明专利所提算法对图3进行处理的结果；
[0081]
图4(b)对应使用drews等人所提出的udcp算法对图3进行处理的结果；
[0082]
图4(c)对应使用galdran等人所提出的红通道先验算法对图3进行处理的结果；
[0083]
图4(d)对应使用bianco等人所提出的mip算法对图3进行处理的结果；
[0084]
图4(e)对应使用peng等人所提出的算法对图3进行处理的结果；
[0085]
图4(f)对应使用chiang等人所提出的wcid算法对图3进行处理的结果。
[0086]
合附图3的实验效果对比可知，drews等人的udcp算法处理后的图像中场景整体出现了红色的色偏，这各通道的透射率的错误估计导致的，同时前景中的物体出现了失真与颜色过补偿并且外圈的光晕反而更加严重影响了图像的质量；galdran等人的红通道先验算法处理后的图像由于透射率和背景光的错误估计导致图像的整体偏红，前景中黄色球与红色球也出现了红色色偏且颜色偏暗，蓝色球甚至接近于背景无法分辨；bianco等人的mip算法处理后的图像颜色失真严重；peng等人的ibla算法由于背景光的错误估计导致在图像复原结果中原始水下图像较暗的背景错误增强变蓝，并使得处理后的图像整体颜色变深；chiang等人的wcid算法处理后的图像背景区域出现大量的白斑，覆盖了目标区域，目标物细节丢失。而本发明专利所提算法处理后的图像中清晰度有效提升，目标物细节更加明显，复原后的图像颜色相比其他算法更为自然。
[0087]
为了更加客观地对算法实验效果进行图像质量评价，本发明专利中选取两种常用的水下图像质量评价指标uciqe(underwater color image quality evaluation)和uiqm(underwater image quality measurement)作为水下图像复原效果质量评价指标。uciqe反映的是对水下图像复原后的色偏、模糊和对比度之间线性的定量评估结果，其数值越大说明图像处理后的效果越好；uiqm则主要是采用色彩测量指标(uicm)、清晰度测量指标(uism)和对比度测量指标(uiconm)三者的线性组合作为评价依据，其值越大，表示处理后的图像的颜色平衡、清晰度、对比度越好。
[0088]
不同算法图像复原结果定量分析结果如表1所示，对比分析各个算法之间的评价指标可得，本发明专利所提算法在uciqe和uiqm两项客观评价指标上均优于其他水下图像复原算法，因此针对存在人工光源的浑浊水体环境，本发明专利所提算法相比于其他水下图像复原算法能更好地实现人工光照下的黑暗背景水下图像的复原。
[0089]
表1不同算法之间的客观评价指标对比
[0090][0091]
综上，本发明专利提供了一种适用于人工光照下黑暗背景的水下图像复原方法。属于图像处理技术领域。该方法根据黑暗背景下的水下图像的成像特点对基于模糊度的景深估计法进行改进，使其适用于黑暗背景下的水下图像景深d(x)的估计；再针对现有方法应用于黑暗背景的水下图像背景光估计时存在误差甚至错误，利用前景与背景的景深差异来对图像进行分割，得到背景的水体区域后，在水体区域利用暗通道先验法估计图像的背景光b
λ
；最后再在根据光在黑暗背景下特殊的成像规律，利用已知的景深d(x)和背景光b
λ
来求解水下衰减系数c
λ
，以实现对水下图像的复原。本发明能够更加准确地复原出人工光照下黑暗背景的水下图像的清晰度，且该方法对黑暗水环境具有更高的适应性。

技术特征：
1.一种适用于人工光照下黑暗背景的水下图像复原方法，其特征在于，步骤如下：步骤一：输入原始水下图像，针对黑暗背景下的水下图像，提取图像的亮通道，在亮通道图中使用基于模糊度的景深估计方法，得到水下图像场景对应的景深d(x)；步骤二：结合景深图d(x)，根据背景光的定义，在景深图中找到背景水体区域a，在背景水体区域内找到暗通道值最大的点，其对应的强度为背景光强度b
λ
；其中，λ为波长；步骤三：光从人工光源处发出后在背景区域经过“无穷远”光路的衰减，直接分量强度趋向于“0”，仅有后向散射分量返回相机，结合景深d(x)和背景光b
λ
，得到出水下的衰减系数c
λ
，进而得到场景中各点的透射率t
λ
(x)；步骤四：结合水下图像背景光估计b
λ
结果以及透射率t
λ
(x)，根据水下图像成像公式复原水下图像，并输出最终清晰的水下图像。2.根据权利要求1所述的一种适用于人工光照下黑暗背景的水下图像复原方法，其特征在于，步骤一具体包括：用亮通道图像的每个像素点的强度值与其使用多尺度高斯滤波之后图像对应像素点的强度值的差值表示每个像素点的模糊特征：其中，c表示场景中一点的坐标，x＝(x
′
,y
′
)，g
k,σ
表示核大小为k
×
k,方差为σ2的高斯滤波器，k与σ都为2
i
n+1；利用各场景点的模糊度值blur(x)的大小表示场景中各点的相对深度；将相对景深图进行拉伸，得到真实的景深估计图的d(x)。3.根据权利要求1所述的一种适用于人工光照下黑暗背景的水下图像复原方法，其特征在于，步骤二具体包括：选取背景水体区域a暗通道值较大的前0.1％最亮的像素点，并将这些像素点对应到原始图像中，这些区域是雾浓度最大的区域，选择像素最大的点的值作为背景光估计值b
λ
。4.根据权利要求1所述的一种适用于人工光照下黑暗背景的水下图像复原方法，其特征在于，步骤三具体包括：透射率为：式中：c
λ
为总衰减系数，d(x)为目标物上一点x处与水下摄像机之间的距离。

技术总结
本发明提供一种适用于人工光照下黑暗背景的水下图像复原方法，属于图像处理技术领域。根据黑暗背景下的水下图像的成像特点对基于模糊度的景深估计法进行改进，使其适用于黑暗背景下的水下图像景深d(x)的估计；针对现有方法应用于黑暗背景的水下图像背景光估计时存在误差甚至错误，利用前景与背景的景深差异来对图像进行分割，得到背景的水体区域，在水体区域利用暗通道先验法估计图像的背景光B


技术研发人员：张铭钧 李玉松 张天驰 王智勇 肖鹏家 刘晓峰 蒲博园 张家伟
受保护的技术使用者：哈尔滨工程大学
技术研发日：2023.05.12
技术公布日：2023/8/28