基于稀疏先验和深度估计的水下彩色图像清晰重建

Underwater optical imaging technology has been widely used in marine biology and environmental monitoring, marine development and engineering and so on. However, the absorption and scattering of water medium lead to the serious degradation of underwater images, and greatly limit its application. In order to improve the qualities of underwater color images, an underwater color image reconstruction method based on sparse prior and depth estimation is studied in this project. Firstly, considering the ill condition of the underwater image restoration, the underwater image restoration model is constructed by using the spatial and temporal correlation between video sequences and applying the sparse prior constraint. Secondly, the depth estimation methods in the restoration model are studied. Light attenuation and image fuzziness are utilized to estimate scene depth, and the residual energy ratios of RGB color channels are used to estimate water depth. The iterative optimization method of the model parameters is explored to achieve underwater image deblurring, and the color of the underwater image is restored by using depth information and the attenuation characteristics of each light wavelength. Finally, in order to accurately evaluate the effect of image restoration, a nonreference underwater color image quality assessment criterion is presented inspired by the human visual system. According to the criterion, the model parameters are optimized to achieve the optimal image restoration result. The project will contribute to the development of underwater optical imaging and detection technology, so it will play a more important role in the field of marine science.

水下光学成像技术在海洋生物及环境监测、海洋开发和海上工程等领域得到了广泛应用，但水体对光的吸收和散射效应导致水下光学图像降质严重，使其应用受到较大的限制。为提高水下彩色图像的质量，本项目研究基于稀疏先验和深度估计的水下彩色图像清晰重建方法。首先，考虑到水下图像复原的病态特性，利用视频序列的时空相关性，并施加稀疏先验约束，构建水下图像复原模型。其次，研究复原模型中深度信息的估计方法，利用光波衰减特性和图像模糊先验估计景深，并根据RGB颜色残余能量比估计水深。探索模型参数的迭代优化求解方法实现水下图像去模糊，进而利用深度信息和光波衰减特性，实现水下图像的颜色恢复。最后，为准确评价图像的复原效果，提出一种基于人眼视觉特性的无参考水下彩色图像质量评价标准。根据该标准进一步优化模型参数，使之达到最优的图像复原效果。本项目研究将有助于水下光学成像探测技术在海洋科学领域发挥更加重要的作用。

水下光学成像技术在海洋生物及环境监测、海洋开发和海上工程等领域得到了广泛应用，但水体对光的吸收和散射效应导致水下光学图像降质严重，使其应用受到较大的限制。为提高水下彩色图像的质量，本项目研究基于稀疏先验和深度估计的水下彩色图像清晰重建方法。项目从复原模型构建、深度估计、颜色恢复等几个关键点入手，解决水下光学成像散射严重、对比度低、颜色失真等问题，并将其应用于水下运动目标检测与跟踪等任务中。首先，提出基于光波衰减特性和非局部先验的水下图像复原模型，通过对复原模型施加先验信息，优化模型构建，提高对水下环境变化的适应性，通过引入饱和度约束参数优化透射率估计，改善光照不均，提高水下图像的复原效果。其次，分析水下场景的纹理颜色变化和景深的关系，研究由粗到精的深度估计方法，通过对RGB颜色分布与景深的关系进行回归分析，提高景深估计的准确度和鲁棒性。此外，研究基于双目视觉立体匹配的景深估计方法，通过立体匹配实现稠密的高精度视差估计，从而获取准确的景深信息。然后，利用深度信息和水下光波衰减特性，校正水下图像的颜色失真，并通过NSCT域多尺度边缘锐化提高图像清晰度，有效提高图像重建质量。最后，基于清晰重建后的水下图像，研究水下视频中的运动目标精确检测和跟踪方法，通过ViBe背景建模方法检测运动目标，提取运动目标的位置信息作为跟踪的起始点，并融合颜色属性和HOG特征，利用核相关滤波器实现尺度自适应的水下目标跟踪，提高水下运动目标检测和跟踪的鲁棒性和精确度。本项目研究有助于进一步改善水下彩色图像的重建质量，提高水下光学成像探测的技术水平，从而为海洋开发、水下目标探测等科学和工程应用提供理论支撑和技术支持。