水下图像增强：多特征融合算法与MATLAB实现

1. 项目背景与核心挑战

水下视觉系统在海洋勘探、水下机器人、生态监测等领域发挥着关键作用。然而，水体对光线的吸收和散射效应导致获取的图像普遍存在颜色失真、对比度低、细节模糊等问题。以蓝绿波段为例，在5米深度时红光能量衰减可达90%以上，这种选择性衰减直接导致图像出现严重的色偏现象。

传统单一图像增强方法（如直方图均衡化、Retinex算法）往往只能改善某一方面的问题。我在2018年参与某海底管道检测项目时就深有体会：当使用CLAHE算法提升对比度后，虽然管道裂缝更明显了，但原本的红色腐蚀标记却完全变成了暗灰色。这种顾此失彼的情况促使我们转向多特征融合的技术路线。

2. 算法框架设计思路

2.1 多尺度特征融合架构

本方案采用三级融合架构：

1. 预处理层：并行运行白平衡校正（基于灰度世界假设）和对比度受限自适应直方图均衡化（CLAHE），分别解决色偏和低对比度问题。实测发现，将CLAHE的裁剪限制定在0.02-0.03区间能有效避免局部过增强。

2. 特征提取层：

   • 使用引导滤波分离基础层和细节层
   • 在HSV空间计算饱和度分量作为色彩增强依据
   • 通过Laplacian金字塔提取多尺度边缘特征

3. 决策融合层：设计加权融合函数时，我们引入信息熵作为自适应权重系数。具体公式为：

   matlab复制w1 = entropy(I1)/(entropy(I1)+entropy(I2));
   w2 = 1 - w1;
   fused = w1.*I1 + w2.*I2;
   

2.2 视频处理优化策略

针对视频流特性，我们开发了时域一致性模块：

• 建立帧间光流映射关系
• 对静态区域采用记忆加权（前3帧均值作为参考）
• 动态区域使用当前帧优化结果
  实测数据显示，该策略将视频处理的PSNR波动从±2.1dB降低到±0.7dB

3. 关键实现细节

3.1 颜色校正优化

传统白平衡在水下场景容易失效，我们改进的步骤如下：

1. 计算RGB三通道均值μ_R, μ_G, μ_B
2. 取最大值μ_max = max(μ_R, μ_G, μ_B)
3. 调整系数：

   matlab复制scale_R = μ_max / μ_R *