水下图像增强技术：波长补偿与改进去雾算法

1. 水下图像增强的技术背景与挑战

水下摄影与陆地摄影存在本质差异。由于水体对光线的吸收和散射效应，水下图像普遍存在颜色失真、对比度低和细节模糊三大问题。具体来说，水分子对不同波长光线的吸收程度不一，红光在5米水深时能量衰减约90%，而蓝绿光的穿透能力相对较强。这种选择性吸收导致水下图像呈现蓝绿色调。

另一方面，水中悬浮颗粒造成的散射效应类似于大气中的雾霾，会降低图像对比度。但与大气散射不同，水下散射具有更强的波长依赖性。传统去雾算法如暗通道先验（DCP）在水下环境中效果有限，因为它们没有考虑这种波长相关的散射特性。

2. 波长补偿与物理模型构建

2.1 水下光学传输模型

完整的水下成像模型可表示为：

code复制I(x) = J(x)·t(x) + B·(1-t(x))

其中：

• I(x)：观测到的图像强度
• J(x)：理想的清晰图像
• t(x)：透射率图
• B：背景光（常取图像中最亮的前0.1%像素的平均值）

透射率t(x)与波长λ的关系为：

code复制t(x,λ) = exp(-β(λ)·d(x))

β(λ)是波长相关的衰减系数，d(x)为场景深度。

2.2 基于RGB通道的补偿策略

我们采用分通道补偿方法：

1. 对红通道（R）应用指数补偿：

   code复制R_comp = R./(exp(-β_R·d_map))
   

2. 对绿通道（G）进行线性补偿：

   code复制G_comp = G./(1 + β_G·d_map)
   

3. 蓝通道（B）保持相对稳定，仅做小幅调整

注意：深度图d_map可通过暗通道先验或激光测距获得。实际应用中常使用统计方法估计。

3. 改进的去雾算法实现

3.1 透射率图优化

传统DCP算法在水下场景的不足：

• 水下场景常不符合"暗通道"假设
• 忽略波长对散射的影响

改进方案：

matlab复制function t = estimate_transmission(I, w_size, lambda)
    % I: 输入图像
    % w_size: 局部窗口大小
    % lambda: 波长补偿因子
    
    dark = min(I,[],3);
    atmos = max(