基于Retinex的水下图像增强方法，旨在消除由水下图像捕捉的色彩失真和光线散射，从而提高水下图像的可视性。 Retinex是一个计算机视觉的概念，它模仿人类视觉系统如何处理图像。Retinex理论认为，我们视觉系统中的颜色感知是通过分离物体表面反射的光照和物体本身的颜色来实现的。 在水下增强中，Retinex算法通过利用输入图像中颜色分布的特征，来估计传播距离，然后通过对输入图像进行多次滤波得到输出图像。这个过程中，Retinex算法使用了多个高斯滤波器，这些滤波器具有不同的尺度和方向，以增强输入图像的各个部分。 简单来说，该方法通过对水下图像进行多次滤波，以逐步去除光照和颜色间的相互影响，更好地还原图像本身的颜色和细节。 Retinex增强方法已经被成功的应用于水下遥感和水下摄影等方面，可以有效地改善水下图像质量。

一篇水下图像增强的文章，作者天大的，发表于信号处理快报

水下图像增强matlab代码 UnderWater Image Enhancement Matlab code mine2.m

基于融合算法的水下图像增强，林森，迟凯晨，水下光学图像深受水体对光吸收和散射的影响，往往存在噪声干扰多、纹理特征模糊、照明光斑、对比度低以及颜色失真等诸多问题。为

包含综述有关水下图像增强方向，受水下光传播过程中的衰减和散射的影响，在纯水区域中，水下能见度一般为20m，在浑浊海水中的能见度一般只有 5m。因此，需要对水下图像进行处理

论文笔记 https://blog.csdn.net/haiyanp_p/article/details/118341404?spm=1001.2014.3001.5501

水下图像增强融合算法-matlab.zip underwater image fusion matlab code 水下图像增强融合算法-matlab.zip underwater image fusion matlab code 水下图像增强融合算法-matlab.zip underwater image fusion matlab code 水下图像增强融合算法-matlab.zip underwater image fusion matlab code 水下图像增强融合算法-matlab.zip underwater image fusion matlab code 水下图像增强融合算法-matlab.zip underwater image fusion matlab code 水下图像增强融合算法-matlab.zip underwater image fusion matlab code 水下图像增强融合算法-matlab.zip underwater image fusion matlab code

完整代码，可直接运行

单一水下图像增强和色彩还原 这是python实施的综合评论文章“用于水下成像的图像增强和图像恢复方法的基于实验的评论” 抽象的！ 水下图像在海洋勘探中起着关键作用，但由于光在水介质中的吸收和散射，经常会遭受严重的质量下降。 尽管近来在图像增强和恢复的一般领域中已经取得了重大突破，但是还没有特别关注用于改善水下图像质量的新方法的适用性。 在本文中，我们回顾了解决典型水下图像损伤（包括一些极端退化和变形）的图像增强和恢复方法。 首先，我们根据水下图像形成模型（IFM）介绍了水下图像质量下降的主要原因。 然后，我们回顾了水下修复方法，同时考虑了无IFM和基于IFM的方法。 接下来，我们将结合主观和客观分析，同时考虑基于IFM的方法的基于先验的参数估计算法，从而对基于IFM的最新方法和基于IFM的方法进行基于实验的比较评估。 从这项研究开始，我们将查明现有方法的主要缺点，并为该领域的未来研究提出

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。