Lang Run1. 水下视觉增强技术概述
在水下摄影与探测领域，图像质量退化是长期存在的技术痛点。由于水体对光线的吸收和散射效应，水下拍摄的图像普遍存在颜色失真、对比度下降和细节模糊三大问题。这种现象在专业海洋科考、水下工程检测等领域尤为突出，直接影响后续的图像分析和决策判断。
传统的水下图像增强方法主要依赖直方图均衡化或简单的白平衡调整，这类方法虽然计算量小，但往往只能改善单一维度的图像质量，无法同时解决色偏和雾化问题。而基于物理模型的方法通过模拟水下光传播特性，能够更准确地还原物体真实色彩。其中，波长补偿与去雾算法的结合被证明是当前最有效的技术路线之一。
我在参与某海底管道检测项目时，曾对比过多种增强算法。实测发现，单纯使用Retinex算法处理后的图像虽然提升了局部对比度，但会放大噪声并产生不自然的色块；而直接应用大气散射模型进行去雾，则无法校正水体对不同波长光线的选择性吸收。这促使我开始研究融合波长特性与去雾理论的混合增强方法。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 水下成像的物理模型解析
2.1 光线传播的双重衰减效应
水下光衰减主要来自两个方面：吸收（absorption）和散射（scattering）。吸收导致光强随距离呈指数衰减，且不同波长的光衰减程度差异显著。实验数据显示，在清澈海水中，红光（620-750nm）的衰减系数约为0.3-0.5/m，而蓝绿光（450-550nm）仅为0.03-0.05/m。这就是为什么水下拍摄的红色物体在几米外就呈现灰黑色的原因。
散射现象则包括前向散射和后向散射。前向散射造成图像模糊，类似于相机的离焦效果；后向散射则形成雾状遮蔽层，降低图像对比度。这两种散射的共同作用使得水下图像仿佛蒙上一层蓝绿色的"薄纱"。
2.2 成像过程的数学建模
基于Jaffe-McGlamery模型，水下成像可以表示为：
code复制I(x) = J(x)·t(x) + B·[1 - t(x)]
其中：
- I(x) 为观测到的图像强度
- J(x) 为物体真实反射光
- t(x) 为传输率，表示光线到达相机的比例
- B 为背景光（通常取图像中最亮区域的像素值）
传输率t(x)与距离d(x)和衰减系数c的关系为：
code复制t(x) = exp(-c·d(x))
这个模型与大气散射模型形式相似，但关键区别在于水下环境中c