在水下拍摄的图像通常会遭受质量下降的问题，例如对比度低，细节模糊，颜色偏差，照明不均匀等。作为图像处理和计算机视觉中的重要问题，水下图像的恢复和增强是是许多实际应用所必需的。 在过去的几十年中，水下图像的恢复和增强已经吸引了越来越多的研究工作。 然而，仍缺乏对相关成就和改进的全面，深入的调查，尤其是水下图像数据集的调查，这是水下图像处理和智能应用中的关键问题。 在本次博览会中，我们首先总结了120多项有关水下图像恢复和增强的最新进展的研究，包括技术，数据集，可用代码和评估指标。 我们分析了现有方法的贡献和局限性，以促进对水下图像恢复和增强的全面了解。 此外，我们对五种水下场景中的代表性方法进行了详细的客观评估和分析，从而验证了这些方法在不同水下条件下的适用性。 最后，我们讨论了水下图像恢复和增强的潜在挑战和未解决的问题，并提出了未来可能的研究方向。

非均匀光照处理，水下图像付原代码，水下图像增强

水下图像增强matlab代码 MATLAB code for A Natural-based Fusion Strategy for Underwater Image Enhancement

水下图像成像过程与雾天图像虽然类似,但因水对光的选择性吸收和光的散射作用,水下图像存在颜色衰减并呈现蓝(绿)色基调,传统的去雾方法用于水下图像复原时效果欠佳。针对这类方法出现的缺点,该文根据先去除颜色失真后去除背景散射的思路,提出一种新的水下图像复原方法。结合光在水中的衰减特性,提出适用于水下图像的颜色失真去除方法,并利用散射系数与波长的关系修正各通道透射率;另外,该文改进的背景光估计方法可有效避免人工光源、白色物体、噪声等影响。实验结果证明,该文方法在恢复场景物体原本颜色和去除背景散射方面效果良好。

matlab改变代码颜色水下色彩还原 这是颜色恢复方法的修订实现，描述于： 如果使用此代码，请引用适当的论文。 bibtex @inproceedings {UnderwaterHL， title = {深入研究阴霾线：水下图像的色彩还原}， author = {Berman，D. and Treibitz，T. and Avidan，S.}， booktitle = {英国机器视觉会议论文集}， 发布者= {BMVA出版社}，年份= {2017}，} 入门 系统要求： 该代码需要MATLAB，并已在Windows上进行了测试。 下载代码和先决条件 选项A：使用git 运行以下命令以初始化本地存储库，并获取所有依赖项： git clone https://github.com/danaberman/underwater-hl.git cd underwater-hl git submodule init git submodule update 选项B：不使用git 将代码下载为zip文件。 从https://github.com/pdollar/toolbox下载工具箱到utils/

彩色补偿的matlab代码很棒的水下图像增强 作者：李玉峰，黄玉峰 1说明 很棒的水下图像增强方法的集合。 维护论文，代码和数据集。 2相关工作 2.1数据集 U45 [] EUVP [] DUIE [] UIEB [] UWCNN [] 涡轮[] Uw-imagenet [] MHL，牙买加领域[] 2.2论文 2020年 Marques等人的L2UWE：使用局部对比度和多尺度融合有效增强弱光水下图像的框架。 [] [] Zhou等，基于物理模型反馈的水下图像领域自适应对抗学习。 [][代码] Marques等人的L2UWE：使用局部对比度和多尺度融合有效增强弱光水下图像的框架。 [] [] Islam等人，《快速水下图像增强功能可改善视觉感知》。 [] [] 2019年 Anwar等人，“深入研究水下图像增强功能：一项调查”。 [] [] Li等人，《水下图像增强基准数据集及其他》。 [] [] Roznere等人，水下机器人基于模型的实时图像色彩校正。 [] [] Jamadandi等人的“基于样例的水下图像增强技术”通过小波校正变换进行了增强。 [] [] Song等人，“利用

依据背景光的海洋光学定义, 提出了一种新的自然光照条件下的水下图像复原方法。基于合理假设及光学理论公式推导, 估计出计算背景光所需的水体光学参数(衰减系数和散射系数); 利用散射系数与波长的关系分别计算红、绿、蓝三个通道的传输函数值, 并使用导向滤波精细化传输图像; 最终通过逆求解成像模型复原水下图像。实验结果表明所提算法在恢复场景物体原始颜色及去除背景散射方面有一定的优势。

由于水体对光的吸收和散射作用, 水下图像往往存在对比度低、细节模糊和颜色失真等问题, 为此提出一种基于场景深度估计和白平衡的水下图像复原方法。首先, 采用Sobel边缘检测和形态学闭运算将水下图像中与场景深度相关的块分离, 对RGB通道与场景深度的变化关系进行回归分析, 以得到场景深度图像并估计水下背景光; 其次, 对衰减严重的颜色通道取其逆通道, 以修正透射率估计; 然后, 通过逆求解水下光学成像模型来消除后向散射; 最后, 改进白平衡算法以更好地校正水下图像的颜色畸变, 得到复原后的水下图像。与典型的4种水下图像复原方法进行主客观评价比较, 实验结果表明, 该方法可以有效地提升低质量、低照度的水下图像的细节清晰度和色彩保真度, 恢复真实的视觉效果。

基于色彩补偿与暗通道的水下图像复原，林森，白莹，水下与雾天图像成像机理相似，但由于水下光学衰减特性，传统去雾算法针对水下颜色退化问题基本无效，因此本文提出基于色彩补偿与

自己编写的神经网络，对四类水下图像的特征值进行分类，只有一个隐含层的