这是2020年未来杯水下图像分类比赛的初赛数据集，对应我的博客《Efficientnet_pytorch训练自己的数据集，并对数据进行分类》，大家可以自行下载配合博客里面相关代码使用。

水下图像/视频 颜色恢复 同时有去雾 低照度图像增强的功能 压缩包解压即可处理效果可移步ttps://blog.csdn.net/qq_37487118/article/details/104884230 360可能报毒

水下图像成像过程与雾天图像类似, 但传统的去雾方法用于水下图像处理效果欠佳。针对水下捕获图像存在颜色衰减严重和蓝(绿)色基调的问题, 提出了一种基于改进暗原色先验和颜色校正的水下图像增强方法。结合光在水下的传播特性, 对空气中的暗原色先验去雾算法进行改进, 在求取水下暗原色通道和图像背景光时考虑红色通道的逆通道; 提出先采用改进的水下暗原色先验法去除后向散射光, 再通过白平衡算法对增强后的水下图像进行颜色校正的方法。实验结果表明, 相比于传统算法, 本文的方法在处理后向散射严重的水下图像时, 可以获得更高的清晰度和对比度。

水下图像数据集Realworld-Underwater-Image-Enhancement-RUIE-Benchma，可以参考博文从github下载，此资源仅作备用下载

光在水中传播时受水的吸收作用和水中微粒的散射作用而发生衰减; 因水的浊度变化, 且水下拍摄时景深不一, 导致水下获取的图像雾化程度和色彩偏差不同。传统的去雾算法用于处理这些模糊程度和色差多变的图像时效果欠佳。针对该问题, 提出基于亮通道色彩补偿与融合的水下图像增强算法。首先, 基于亮通道对原图像进行色彩补偿, 获得色彩补偿的图像; 再对色彩补偿的图像进行自适应对比度拉伸获得对比度高的清晰图像; 最后采用多尺度融合策略对色彩补偿后的图像及对比度拉伸后的图像进行融合。结果表明, 本文算法可广泛应用于多种水下降质图像, 且在无任何先验信息的条件下, 能有效提高水下图像对比度和平衡图像色彩。

基于水下图像增强滤波方法，对于水下图像处理很有帮助

UCIQE方法一致认为具有更好的清晰度、对比度和亮度，更加丰富的色彩和自然的表面，并且远景目标得到更好揭示的图像具有更高的质量分数，这一点符合人类的视觉感知。

此程序对于增强水下模糊图像有帮助，首先将RGB空间转换到HSV空间，然后增强饱和度S的值，整体提高了图像的饱和度。

1、均值 2、 标准差3、 信息熵4、 色彩分量相关性5、 色彩分量百分比6、 水下彩色图像质量评价