TCSVT 2024 | 基于加权小波视觉感知融合的水下图像增强

主要观点总结

本文介绍了基于加权小波视觉感知融合的水下图像增强方法，包括颜色校正、全局和局部对比度增强以及加权小波融合等技术。作者通过实验验证，该方法在定性和定量方面都优于现有方法，能够有效解决水下图像质量退化问题。

关键观点总结

关键观点1: 提出基于加权小波视觉感知融合的水下图像增强方法

作者针对水下图像质量退化问题，提出了一种基于加权小波视觉感知融合的方法。该方法通过融合不同尺度的高频和低频成分，充分利用图像不同增强版本的互补优势，致力于提升水下图像的颜色、全局对比度和局部对比度。

关键观点2: 设计衰减图引导的颜色校正策略

针对水下图像因光的波长相关颜色吸收导致的颜色失真问题，作者提出了一种衰减图引导的颜色校正策略。该策略不仅考虑了每个颜色通道在衰减前保持相似平均灰度值的灰度世界假设，还兼顾了不同光衰减导致水下图像各种颜色失真的事实。

关键观点3: 开发优化的全局和局部对比度增强策略

作者提出了最大信息熵优化的全局对比度策略和快速积分优化的局部对比度策略，分别用于提高颜色校正后图像的全局和局部对比度。这些策略旨在通过优化图像直方图分布来提高图像的对比度。

关键观点4: 构建高效的加权小波融合策略

作者采用加权小波视觉感知融合策略，通过小波变换获取不同增强版本的近似低频分量和垂直、水平、对角高频分量，再利用加权逆小波变换策略，融合不同尺度的各级分量，重建高质量的水下图像。

关键观点5: 实验验证与论文推广

作者在三个基准数据集上进行了大量实验，验证了所提出方法的有效性。此外，论文还讨论了论文推广的重要性，并提供了投稿通道，鼓励更多人了解和引用该论文。

免责声明