融合显著性信息的水下图像清晰化算法

由于水对光的选择性吸收和水中微粒的散射效应,水下光学图像通常存在颜色失真、对比度低和细节模糊等缺陷.为解决水下图像存在的颜色失真和低对比度问题,提出了一种融合显著性信息的水下图像清晰化算法.首先,使用基于四叉树分割的分层搜索算法估计背景光,结合水下成像模型对水下图像进行初步清晰化;同时,进行简单线性迭代聚类超像素分割,并根据各超像素与边界背景聚类的特征相似度构建全局距离矩阵,再由多层元胞自动机整合生成显著图;最后,在Lab颜色空间依据图像的显著性信息,对水下图像分区域进行颜色校正.选取UFO-120数据集中的1 500张水下图像进行实验,该算法在局部块对比度、熵、清晰度测量指标、对比度测量指标及主观颜色上有显著提升.实验结果表明,这种算法在水下图像颜色校正和对比度增强方面存在明显优势.