水下光学图像增强与数据生成算法研究
摘要
海洋资源作为自然资源的重要组成部分，在整个资源大系统中发挥着不可替代的作
用，而且正显示出越来越重要的经济、军事与社会价值。而充分且合理利用海洋资源的
前提，便是拥有先进的水下探测技术。现阶段，水下光学成像是获取水下信息的主要手
段之一，该方法在近距离水下探测中发挥重要的作用。但是相比于其他图像，水下光学
图像面临严重的图像质量退化、数据量稀缺等问题。所以针对于水下图像质量恢复与数
据扩增的研究是当下亟待解决的热点问题。本文围绕水下图像视觉效果增强与水下风格
合成两个方面进行研究。
首先，由于水体对可见光存在严重的吸收和散射作用，导致成像设备直接获取的水
下图像拥有颜色偏移、雾化模糊和细节损失的特性。本文通过考虑像素状态与水下光的
吸收特性，设计了一种基于LAB色彩空间的颜色校正策略。在此基础上，本文还利用
水下图像的衰减特性，设计了一种简单有效的单幅水下图像的深度估计方法。基于得到
的深度信息，可以进一步恢复水下图像损失的细节。此方法无需数据驱动，可以在绝大
多数水下场景中恢复图像的自然颜色外观。
其次，在深度学习兴起的时代背景下，由于获取成本高昂与衰减风格多样的原因，
现有的水下图像数据数量较少并且风格单一，限制了很多基于深度学习方法的下游视觉
任务的开展。对此，本文提出了一种基于差异化衰减合成的水下图像合成方法来扩充水
下图像数据。考虑到水下图像的真实衰减特性与多样化的衰减风格，本文在物理成像模
型的基础上加入了神经风格迁移技术。该方法可以根据一张真实的水下图像来对多张非
水下图像合成水下效果。本文使用单个神经网络实现了多样化的衰减效果合成，并且合
成结果具有接近真实的水下光线衰减特性。
本文使用了丰富的评价指标，在大量的对比算法中进行实验。实验结果表明，本文
所提出的两种方法在各自的任务中，均具有更加优秀的性能。
关键词：水下光学图像处理；图像增强；水下图像合成；风格迁移
水下光学图像增强与数据生成算法研究
ABSTRACT
Asanimportantcomponentofnaturalresources,Marineresourcesplayanirreplaceable
roleintheentireresourcesystemandareshowingincreasinglyimportanteconomic,military,
andsocialvalues.Theprerequisiteforfullyandreasonablyutilizingmarineresourcesistohave
advancedunderwaterexplorationtechnology.Atpresent,underwateropticalimagingisoneof
themainmeanstoobtainunderwaterinformation,andthismethodplaysanimportantrolein
closerangeunderwaterdetection.However,comparedtootherimages,underwateroptical
imagesfaceseriousproblemssuchasimagequalitydegradationanddatascarcity.Therefore,
researchonunderwaterimagequalityrestorationanddataaugmentationisanurgentproblem
tobesolvedatpresent.Thisarticlefocusesontwoaspectsofunderwaterimagevisual