水下图像增强 为本科论文实施水下增强技术。

水下效果插件，自己在Unity资源商店购买的资源，在VR项目中也可用。如果要商用请自行到商店购买......................

对水下模糊的图像用偏振的物理方法实现去雾的matlab代码，附水下图片

数据融合matlab代码水下图像重建 这是纸的MATLAB代码。 介绍 针对起伏的水面失真的视频序列，提出了一种新的图像恢复方法。 我们使用迭代鲁棒配准算法来消除帧中的大多数失真。 代替针对严重模糊的均值注册每个帧，首先采用补丁融合过程来丢弃失真更严重的补丁并重建高质量图像； 然后通过盲反卷积过程对融合后的图像进行模糊处理。 配准过程之后，通过健壮的主成分分析将残留的非结构化噪声消除，这称为后处理。 跑步细节 解压缩所有文档。 将所有文档添加到MATLAB的当前目录中。 运行名为main的脚本，然后等待几分钟。 所有结果都位于名为results的目录中。 注释 1，数据集可以从中获得。 2.我们的代码不包含后处理部分，可以从中找到。 作者 张震和徐扬，上海大学机电工程与自动化学院，上海，＃License 仅供学术和非商业用途，如果可以帮助您，请引用我们的论文。 用于商业用途，请联系

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

In this paper, the current research of an underwater optical wireless communication (UWOC) network is reviewed first. A hybrid laser diode (LD) and light-emitting diode (LED)-based UWOC system is then proposed and investigated, in which hybrid cluster-based networking with mobility restricted nodes is utilized to improve both the life cycle and throughput of the UWOC network. Moreover, the LEDs are utilized for the coarse alignment, while the LDs are used for high-precision positioning to reduce

受中间鳍和/或成对鳍（MPF）鱼的波动启发，仿生起伏鳍具有更高的可操作性，更低的噪声和更高的效率，有望用于水下任务。 在本研究中，提出并实现了耦合计算流体动力学（CFD）模型，以促进仿生起伏机器人的流体动力学效果的数值模拟。 在三个典型的期望运动模式（行进，偏航和偏航偏航）下，通过计算和实验研究了由两个仿生起伏鳍推动的水下机器人的水动力行为。 此外，通过在相同运动学参数集下的CFD和实验结果之间的比较，揭示并讨论了仿生波动模式中的几种特定现象。 对于起伏机器人的动态行为所做的贡献对于研究推进机构和控制算法具有重要意义。

图像增强，色彩校正/恢复 EUVP数据集：，，。 （已配对和未配对的数据； FUnIE-GAN） 水下图像网：，，。 （配对数据； UGAN） UIEBD数据集：，，。 （水网） SQUID数据集： ，，。 （水下-HL） U-45：，。 （UDAE） RUIE基准：，纸张。 （RUIE-Net） 牙买加皇家港口：数据，纸张，代码。 （水甘） 虚拟潜望镜：数据，纸张。 颜色校正： 数据。 颜色恢复： 数据，纸张，代码。 TURBID数据：数据，纸张。 OceanDark数据集：数据，纸张。 SISR：单图像超分辨率 USR-248：数据，纸张，代码。 （用于2x，4x和8x训练； SRDRM，SRDRM-GAN） SESR：同时增强和超分辨率 UFO-120：数据，纸张，代码。 （用于2倍，3倍和4倍SESR和显着性预测；深度SESR） 图像分割 SUIM：数据

Unity水下特效插件，有较好的水下视觉效果，配套Effects、音效。

SESR：同时增强和超分辨率 在更高的空间比例上可感知地增强图像生成 指标： 论文： : 预印本： : RSS-2020焦点演讲： ： 数据： ： 深度SESR模型 一种有效的水下图像模型； 可以接受2x-4x SESR的端到端培训 模型架构和实施细节： : 带有一维FENet的Deep SESR 2x的重量（在UFO-120上进行了训练）在以下型号中提供： HDF5：deep_sesr_2x_1d.h5文件； 使用test_sesr_Keras.py Protobuf：deep_sesr_2x_1d.pb文件； 使用test_sesr_TF.py UFO-120数据集 1500个训练和120个测试样本（水下图像） 促进2x，3x和4x SESR模型的配对训练 还具有带注释的显着性图，用于训练显着性预测模型 可以从以下网址下载： http : //irvla