Locally Adaptive Color Correction for Underwater Image Dehazing and Matching
论文：Locally Adaptive Color Correction for Underwater Image Dehazing and Matching
作者：Codruta O. Ancuti
年份：2017年
期刊：IEEE Conference on Computer Vision and Pattern Recognition Workshops
1 介绍
在水下，由于吸收和散射，光传播会失真。它们分别影响传播的光的能量和方向。这些失真导致场景的外观模糊且对比度较差。在水下，由于其组成波长根据水深而被不同地切割，因此颜色褪色。
水下场景的恶化是乘性过程和加性过程相结合的结果。He的DCP，由于取决于颜色的衰减，如果没有初始图像色谱恢复，则无法使用DCP正确恢复水下图像。因此介绍了一种原始的色彩校正策略作为预处理步骤，以改进从DCP导出的常规还原方法。此色彩校正建立在色彩转移的基础上。
公认颜色转移过程的全局性质不适合在水下场景中遇到的空间可变色偏。 在水下，色彩校正在理想情况下应取决于光衰减水平，而光衰减水平本身取决于场景深度和光谱。Color transfer是平衡色偏的一种选择技术,传统color transfer方法不具备局部调整颜色校正的能力。
本文可以通过避免波长依赖的颜色衰减，以一种非常有效的方式来增强图像对比度。 当考虑许多依赖图像比较（如图像匹配或光流）和局部外观变化（基于梯度的方法）的计算机视觉任务时，这种增强图像对比度的能力非常有用。
优点：使用基于融合的方法根据光衰减来调制颜色转移，该衰减在水下环境中非常不均匀。这样可以改善水下可见度，有益于依赖对比度的计算机视觉任务。
2 相关任务
偏振滤光器：偏振方法依赖多个图像来生成清晰的水下图像。使用固定在相机上的偏振滤光器，改变偏光程度以捕获包含互补信息的多个图像。也用于室外图像去雾。
优点：偏振技术对静态场景有效
缺点：由于多重采集原理，不适用于动态采集
DCP：红色通道由Galdran等人介绍。目的是恢复与短波长相关的颜色，且基于假设：在水下图像中，红色分量的倒数会随着与相机距离的增加而增加。
本文基于DCP的单图像水下除雾方法，它通过执行简单但有效的预处理步骤来纠正水下图像固有的复杂色彩偏移。
颜色校正：见综述
颜色校正方法局限于它们的全局性质，在水下环境中使其无法将颜色校正调整为空间上变化的水下衰减水平（取决于深度和色谱图）。将传统色彩平衡和色彩转移方法直接应用于输入图像往往会过度补偿靠近相机的区域的衰减（因此衰减程度较小），导致外观偏红。为了局部调整颜色校正并处理与波长相关的可变衰减，引入一种基于融合的方法，根据估计的衰减来调整与颜色转移过程相关的校正。然后根据简单且与波长无关的Korshmieder光传输模型的反演恢复色彩校正的图像。
优点：增强了图像对比度，还支持准确的透射图估计。色彩校正可大大提高局部关键点匹配的效率。
3.水下光传播
入射在成像平面一般点上的总辐照度在水下介质中具有三个主要成分：直接成分，前向散射和后向散射。 直接成分是目标对象直接反射到图像平面上的光。不管光波长如何，使用相同的衰减系数都不能反映出衰减在很大程度上取决于水下环境中的光色。反向散射是水下图像中对比度损失和颜色偏移的主要来源。前向散射会增加辐照度，并且主要导致图像模糊，几乎没有颜色伪影。
在每个图像坐标矢量x处，直接分量表示为：
J（x）:物体的辐射度 d（x）:观察者与物体之间的距离 η:衰减系数
反向散射表示为:
B∞（x）:反向散射光的颜色矢量
忽略前向散射分量，简化的水下光学模型将变为：
这种简化的水下相机模型可以用于描述大气中光的传播。
4.水下颜色校正
色彩校正旨在改善图像的外观，主要通过消除由于各种照明或介质衰减特性而导致的不希望有的色偏。在水下需要校正的外观。由于取决于波长的光衰减，颜色失真取决于景深和光谱，蓝绿色外观校正并不容易实现。
在水下，色彩校正在理想情况下应取决于光衰减水平。传统色彩校正方法依赖于全局，缺少局部调整颜色调整的能力。 本文采用基于融合的方法来局部调整颜色校正。得出两个输入（一个对应于最小校正水平，一个是最大校正水平），然后按比例混合到所需的校正级别，它本身对应于光的水平衰减。
在浑浊的水域或浮游生物浓度较高的地方，由于有机物的吸收，蓝色通道可能会显着衰减。本文可以通过在初始图像中蓝色分量似乎弱于红色时，使用蓝色通道而不是红色通道来估计光衰减水平来完成。
衰减图A（x）根据红色通道信息估计为：
合成图像的定义是：
给定颜色转移的合成图像I ’CT（x）和初始图像I（x），然后使用衰减图A（x）及其倒数，基于简单的融合过程，生成最终的色彩校正图像ICC（x） [1 − A（x）]对每个输入加权：
5 水下去雾和传输估计
估计传输率：
选择暗通道较大的像素中最亮的像素估计B∞
y ∗:暗通道值高于第99.9%DC99.9的像素中最亮的像素的位置
6 结果
良好照明条件下拍摄的水下图像用作参考时，水衰减会降低，方法可靠。
6.1 透射定性估计
估计透射图：与DCP和MDCP相比，本文方法更好，与UDCP技术产生可比的结果。 但是，与UDCP相比，更好恢复可见性。