水下考古、水下环境保护、水下地形扫描和水下自主航行等水下活动都离不开水下视觉技术的支撑,获得清晰的水下图像对于海洋探索起到关键作用。水下图像的成像过程与户外图像的成像过程存在较大差异。由于不同波长的光在水中传播时的选择性衰减,及水下复杂环境中的光线散射、人工光源等问题,导致水下图像呈现偏色、模糊、能见度低等现象。针对水下图像的增强方法分为两类:基于像素重分布的图像增强和基于图像成像模型(Image Formation Model,IFM)的图像复原。前者忽略水下图像的成像模型而关注于直方图动态范围的变换,后者的难点在于正确地估计复原参数:红绿蓝(Red-Green-Blue,R-G-B)通道的背景光(Background Light,BL)和透射率(Transmission Maps,TMs)。为了复原、增强多种类型的水下图像,本文从多个角度考虑,逐级深入地提出三种有效的水下图像增强方法,并将目前主流方法进行综合性比较,指明水下图像增强方法的研究方向,本文贡献如下:(1)兼顾基于像素重分布图像增强的简单性和基于IFM图像复原的有效性,本文提出了在不同颜色模型下相对全局直方图拉伸(Relative Global Histogram Stretching,RGHS)的水下图像增强方法。首先,本文基于灰度世界理论对图像进行预处理;然后,根据RGB通道的分布特性及光线在水中传播时的选择性衰减原理,在RGB颜色模型对三通道采用自适应直方图拉伸;最后,为了提高图像的对比度、饱和度和亮度,将图像转换到CIE-Lab颜色模型,并对亮度和颜色两个分量分别进行线性和曲线自适应拉伸优化。本文方法避免基于像素值重分布的盲目增强,而是根据水下图像的分布特性提高图像视觉效果、保留有效的信息。(2)为了能得到场景到相机的真实距离,提高RGHS增强结果的真实性,基于IFM的水下图像复原方法使用先验知识估计两个光学参数:背景光(BL)和透射率(TMs)。现有的BL估计方法只考虑水下图像的某种属性,对不同环境下水下图像的背景光估计缺乏适用性。直接使用暗通道先验(Dark Channel Prior,DCP)估计水下图像的透射率容易造成错误结果。针对以上问题,提出了结合背景光融合和新水下暗通道先验的图像复原。改进基于DCP、基于四叉树和基于最大像素先验(Maximum Intensity Prior,MIP)三种BL估计方法,并结合整幅图像中亮度对BL估计的影响,提出一种有效的多个候选背景光融合方法。通过统计分析多幅高质量水下图像的直方图分布特性,提出新水下暗通道先验(New Underwater DCP,NUDCP),可以更准确地估计RGB通道的透射率。最后,为进一步均衡化复原图像,在CIE-Lab颜色模型下对亮度分量和(6,(7色彩分量分别进行标准归一化变换和优化调整。实验结果表明通过改进BL估计方法和TM估计方法在多种水下场景下都达到良好的复原效果。(3)从实时性和鲁棒性出发,提出了一种快速的BL估计统计模型和有效的透射率优化器。为了获得参考背景点,本文首次建立包含500个人为标注背景光(Manually Annotated Background Lights,MABLs)的数据集,然后考虑MABLs与水下图像直方图分布的关联,分别建立GB通道的线性BL估计模型和R通道的非线性BL估计模型。由于基于NUDCP的TM估计方法对存在人工光源的水下图像的估计精度不高,提出基于水下光线衰减先验(Underwater Light Attenuation Prior,ULAP)的水下场景深度地图和修正反向饱和度地图(Adjusted Reversed Saturation Map,ARSM)估计方法,并用以补偿和精化由NUDCP获得的粗糙TMs。最后,使用一种改进的白平衡提高复原图像的对比度和色度。实验结果表明,相比于现有的BL估计模型,本文提出的统计性BL估计模型可以更快速、更精确地估计背景光;透射率优化器可以调整基于NUDCP估计的TM中存在的错误区域,提高TM估计方法的鲁棒性;基于本文方法得到的BL和TMs在图像复原结果和效率上比目前主流方法更佳。(4)为了验证不同BL估计模型、TM估计模型和水下图像增强模型应用于水下图像时的有效性,本文选用分辨率为600×400像素的多种类型的水下图像作为实验数据,开展了水下图像增强的综合评价。首先,本文总结了基于IFM的水下图像复原方法中BL和TM估计方法及对应的先验性,然后通过主观性能分析和客观性能分析综合评价多个BL和TM估计方法的性能及先验知识对估计结果的影响,最后将本文所提出的三种增强方法与近十年来的十种主流方法进行了全面比较。本文研究成果有助于理解水下图像增强方法的优缺点和探究影响水下图像增强结果的因素,为水下图像的低层视觉增强提供了理论支撑,具有辅助海洋信息分析与挖掘的实际应用价值。