AMDC:基于衰减图引导的双色空间方法用于水下图像颜色校正

《Pattern Recognition Letters》:AMDC: Attenuation map-guided dual-color space for underwater image color correction

【字体: 大 中 小 】 时间:2026年01月15日 来源:Pattern Recognition Letters 3.3

编辑推荐:

  双空间自适应衰减图引导的水下图像色彩校正方法,通过RGB空间加权滑动窗口局部补偿与CIELab空间零对称偏移校正协同优化,结合最大衰减图引导的融合机制,有效抑制全局衰减与局部色偏。

  
孙世龙|余白强|周玲|徐俊鹏|赵文毅|张卫东
机构:河南科技大学信息工程学院,地址:新乡市,邮编:453003,国家:中国

摘要

由于波长依赖性的光衰减和吸收,水下图像经常出现颜色失真,而水下不规则的光照条件进一步加剧了这一问题。传统的颜色校正方法主要针对全局光衰减,但在处理由深度不连续变化和人工照明引起的局部颜色偏移时效果较差。为了解决这个问题,我们提出了一种基于衰减图的双空间自适应颜色校正方法,称为AMDC。具体来说,我们首先利用图像的最大参考通道进行全局衰减补偿。在此基础上,我们引入了一种双空间协同校正策略:在RGB空间中,使用加权滑动窗口进行局部自适应补偿;在CIELab空间中,通过零对称自适应偏移校正方法恢复颜色饱和度。为了保留最直观的颜色特征,我们选择性地融合两种校正结果中的a通道和b通道,生成局部校正后的图像。最后,利用原始图像的最大衰减图来指导局部校正图像与原始图像的融合,得到最终的颜色校正结果。大量的定性和定量实验证明了该方法在水下图像颜色校正方面的有效性和鲁棒性。

引言

近年来,清晰的水下图像在海洋地质勘探、水下考古学、生物多样性研究等相关领域得到了广泛应用[1]、[2]、[3]。在水下传输过程中,悬浮颗粒对光的吸收和散射会降低图像质量,导致颜色偏移、细节模糊和对比度降低,这对科学研究和实际工程任务都带来了挑战[4]、[5]、[6]。
水下颜色校正可以根据其技术原理和实现方式大致分为传统方法和深度学习方法。传统方法通常直接调整像素值以减轻颜色失真[8]、[11]、[12],或者依赖于先验假设来反演水下成像模型进行颜色校正[13]、[14]。例如,张等人[15]提出了一种最小颜色损失策略,通过自适应调整通道补偿并利用最大衰减图来指导图像融合,从而提高颜色校正性能。同样,张等人[16]引入了一种颜色传输补偿方法,结合基于像素梯度分布的矩阵权重图,动态调整过曝或欠曝区域的权重分配,以实现不同亮度区域的颜色平衡。傅等人[17]采用改进的粒子群优化算法进行局部自适应优化,能够更精确地估计背散射光并有效校正水下颜色偏差。Akkaynak等人[18]提出了一种物理精确的水下成像模型,通过直接从RGB图像中估计暗像素和场景深度信息来恢复颜色失真。虽然基于像素值的补偿方法无需训练且计算速度快,但可能会导致过度补偿或补偿不足。基于物理原理的方法能够实现有效的颜色校正,但它们对精确先验假设的依赖性限制了其泛化能力。
近年来,基于深度学习的方法受到了广泛关注[19]、[20]、[21],卷积神经网络(CNN)和生成对抗网络(GAN)被广泛用于校正颜色失真。周等人[22]引入了互补颜色来指导全局颜色差异校正,从而保持结构一致性并减少从原始图像中提取特征时结构信息丢失的风险。任等人[23]将水下图像分割为前景和背景区域,然后进行自适应颜色补偿和融合,以增强两个区域之间的颜色直方图相似性,有效减轻了颜色偏差。然而,基于深度学习的方法通常需要大规模、高质量的对齐或标注数据集,这限制了其在水下成像应用中的实用性。
在这项研究中,我们提出了一种基于衰减图的双空间自适应颜色校正方法。与仅在单一颜色空间进行颜色校正的先前方法不同,AMDC利用不同颜色空间的特性分别进行颜色校正,从而提高对不同衰减条件的敏感性。AMDC通过三个并行步骤来改善图像的颜色平衡:首先对原始图像进行全局衰减通道补偿,得到全局补偿图像作为基础;随后在RGB空间中对全局补偿图像进行加权滑动窗口融合校正,以增强局部颜色效果;同时,在CIELab空间中对全局补偿图像使用零对称自适应偏移校正方法进行颜色平衡校正;最后利用原始图像的最大衰减图来指导局部校正图像与原始图像的融合,生成最终的颜色校正结果。图1展示了我们AMDC预处理框架所取得的视觉效果。本工作的主要贡献如下:
1) 我们提出了一种零对称自适应偏移校正策略,以提高CIELab空间中的颜色一致性。与传统的静态偏移调整不同,我们的方法通过构建自适应扩展掩模动态补偿像素级别的颜色偏差,从而在不同的光照条件和颜色失真程度下提高鲁棒性,显著提升校正图像的自然性和一致性。
2) 我们提出了一种局部补偿策略,允许部分块重叠并使用汉宁窗口进行加权融合,从而减少传统基于块的方法中常见的接缝伪影,同时增强局部颜色恢复效果,提高整体颜色一致性和视觉自然性。

方法论

本节系统介绍了所提出的AMDC方法。首先概述了该方法背后的动机,然后描述了其核心组成部分:衰减通道补偿、零对称自适应偏移校正策略以及最大衰减图引导的融合方案。该方法的整体处理流程如图2所示。

实验与分析

在本节中,我们首先进行参数分析,然后将AMDC处理后的图像应用于八种代表性的水下图像增强方法:WWPE [8]、AMEF [28]、HFM [9]、SLP [29]、TEBCF [30]、CCLNet [7]、UDNet [10] 和 TCTLNet [31]。实验在三个公共数据集UIEB [25]、UFO [26] 和 UIQS [27] 上进行,以评估这些方法在多种场景下的泛化能力和增强性能。此外,每个缩写的全称是...

结论

我们提出了一种用于水下图像颜色校正的预处理方法,称为AMDC,该方法结合了基于加权滑动窗口的局部颜色补偿算法和CIELab空间中的零对称自适应偏移校正策略。此外,引入了最大衰减图引导的融合机制,有效减轻了水下场景中常见的普遍颜色失真。在多个公共水下图像数据集上的大量实验证明了...

CRediT作者贡献声明

孙世龙:撰写——原始草案,方法论。 余白强:数据整理。 周玲:形式分析。 徐俊鹏:项目管理。 赵文毅:验证。 张卫东:撰写——审稿与编辑。

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文的研究工作。

致谢

本研究部分得到了中国国家自然科学基金(项目编号62403066、62401095)的支持,部分得到了河南省高等学校青年骨干教师培训计划(项目编号2025GGJS099)的支持,部分得到了中国博士后科学基金项目(项目编号2024M750747)的支持,部分得到了河南省科学技术研究与发展联合基金项目(项目编号235200810066)的支持,部分得到了...
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号