【图像增强论文阅读】Color Balance and Fusion for Underwater Image Enhancement

本文提出了一种基于单个图像的水下图像增强方法，旨在消除由于介质散射和吸收导致的图像质量问题。该方法通过白平衡和多尺度融合技术实现图像修复。白平衡阶段通过灰世界算法校正颜色衰减，同时补偿红色通道损失，以消除蓝绿色色调。多尺度融合则采用拉普拉斯金字塔策略，结合对比度权重、显著权重和饱和权重，实现无伪影的图像融合。实验结果表明，该方法能够有效提升水下图像的质量，恢复其自然外观。

说明：写文章的目的在于记录学习内容，梳理文章的思路，以便更深入地理解相关知识，便于回忆、查阅和总结。作为学习阶段的参与者，我理解到任何地方都可能存在不足之处，恳请大家给予宝贵的批评和建议。

该方法通过色彩平衡与融合技术实现水下图像增强。

目录

概述
方法
A项. 白平衡(White Balance)
B项. 多尺度融合(Multi-Scale Fusion)

1. 聚合过程的输入信息
2. 聚合过程的权重分配
3. 多尺度融合的具体流程

• 结果

介绍

本文提出了一种基于传统相机捕获的单幅图像的新型方法，以改善水下成像中因介质散射和吸收导致的画面质量下降的问题。该方法通过利用原始降质图像的色彩补偿和白平衡处理，结合两个图像的融合技术，定义了两个需要融合的图像及其相关权重图，以促进输出图像的边缘平滑和颜色对比度的提升。为了优化融合效果，避免尖锐的权重过渡在重建图像的低频分量中导致伪影现象，本文采用了多尺度融合策略。白平衡阶段的目标是消除由水下光散射引起的色偏，从而还原海底图像的自然外观。通过多尺度融合策略，可以实现无伪影的图像融合。

方法

A.白平衡(White Balance)

1. 启发来源
白平衡主要通过抵消由于不同照明或介质衰减特性所带来的色偏，从而改善图像外观。
颜色感知与深度密切相关，当光通过水时，衰减过程会 selectively影响特定波长的光谱，从而影响着色表面的强度和外观。由于散射作用对长波长光衰减更大，因此水下图像呈现的蓝绿色色调需要进行校正。实际上，颜色的衰减程度还与观察者与场景之间的距离有关。
最有效的蓝色调消除方法是Gray World算法，但该方法由于红色通道平均值过小而导致过度补偿红色伪影。为了解决这一问题，首先补偿了红色通道的损失，随后应用Gray World算法[1]进行白平衡处理。

在水下图像中，绿色通道的保留更为理想。将绿色通道的一部分强度转移至红通道，以弥补绿色通道的损失。补偿量应与绿色通道和红色通道的平均强度差异成比例，且红通道的补偿仅在图像中高度衰减的区域进行处理。

3.红通道的补偿
在每个像素位置补偿红通道：

Ir，Ig分别代表输入图像的红通道和绿通道，归一化在[0,1]之间。α = 1。

4.蓝色通道补偿

5.Gray-World估计补偿色偏

B.多尺度融合(Multi-Scale Fusion)

1.融合过程的输入

对白平衡图像进行伽马校正处理，处理后得到的图像作为第一个输入。
对白平衡图像进行锐化增强细节处理，处理后得到的图像作为第二个输入。
其中锐化图像表示为：

2.融合过程的权重

拉普拉斯对比度权重(WL) ：通过应用每个输入亮度通道上的拉普拉斯滤波器并计算其绝对值响应，评估全局对比度。显著权重(WS) ：在水下场景中突出显示处于次要地位的物体。饱和权重(WSat) ：使融合算法能够通过充分考虑高度饱和区域的色度信息来优化融合效果。

3.多尺度融合过程

基于拉普拉斯金字塔的结构，金字塔表示将图像分解为高频分量的叠加。具体而言，每个层级，输入图像经过低通高斯滤波后，再在两个方向上进行2倍的抽取。通过从输入中减去经过上采样处理的低通图像版本，并将抽取后的低通图像作为后续层级的输入。令G1代表依次进行l次低通滤波和抽取操作的序列，随后执行l次上采样操作，金字塔结构的第N层定义为：

L_l = \sum_{k=0}^{l-1} G_k \cdot S_k

结果