基于穆勒矩阵和分解偏振熵的水下图像背景选择与清晰化方法

《Optics and Lasers in Engineering》：A polarization entropy-based background selection method for underwater image restoration via Mueller matrix sum decomposition

本文提出了一种基于穆勒矩阵和分解的水下偏振成像新方法。通过提取偏振熵实现背景区域自动选择，并利用退偏指数确定透射率图。该方法将穆勒矩阵首元素与退偏指数融入传统成像模型，仅需优化透射率参数α即可实现图像复原。实验表明，该方法在不同浊度下均能显著提升图像对比度与清晰度，对单一/复杂偏振特性目标均具良好适应性。

　　

Highlight

本研究的亮点在于首次将穆勒矩阵和分解技术应用于水下偏振成像，通过偏振熵实现背景区域智能识别，突破传统方法依赖人工选择的局限。退偏指数的引入为透射率图计算提供新思路，显著提升复杂环境下目标重构的准确性。

Section snippets

传统水下成像模型

根据经典水下偏振成像模型，相机接收的光信号I(x,y)由目标反射光与背景散射光组成。未受散射粒子衰减的目标反射光L(x,y)即待复原图像，依据Jaffe-McGlamery模型可表示为：

L(x,y) = [I(x,y) - A_∞(1-t(x,y))] / t(x,y)

其中(x,y)为像素坐标，A_∞代表无穷远处背景光强，t(x,y)为透射率函数。

实验设置

为验证方法有效性，我们搭建实验室水下偏振成像模拟系统。采用35cm立方PMMA水箱注入30cm深蒸馏水，通过添加脱脂乳蛋白模拟不同浊度海水环境。实验严格控制乳蛋白添加量（3.2g/100mL）以精确调控散射特性，确保数据可比性。

结论

本研究成功构建基于穆勒矩阵和分解的水下偏振成像新框架。偏振熵引导的背景区域自动选择机制与退偏指数驱动的透射率图优化策略，共同提升图像复原的自动化程度与精度。该方法为复杂水下环境下的目标探测提供可靠技术支撑。