水下光学图像重建方法研究进展
水下光学图像可以提供直观丰富的海洋信息，近年来在海洋资源开发、环境保护和海洋工程等诸多领域发挥越来越重要的作用。但是受恶劣复杂的水下成像环境影响，水下光学图像普遍存在对比度低、图像模糊以及颜色失真等质量退化问题，严重制约水下智能处理系统的性能和应用。如何清晰地重建水下光学图像是国内外广泛关注的、具有挑战性的难点问题。随着深度学习技术的蓬勃发展，利用深度学习来提升水下图像质量成为当前的研究热点。鉴于目前国内在水下光学图像重建方面的研究综述较少，本文全面综述其研究进展。分析了水下图像退化机理，总结了现有水下成像模型以及水下图像重建的挑战；梳理了水下光学图像重建方法的发展历程，根据是否采用深度学习以及是否基于成像模型，将现有方法分为4 大类，并按照研究发展顺序，依次介绍4 类方法的基本思想，分析其优缺点；归纳了目前公开的水下图像数据集以及常用的水下图像质量评价方法，并对8 种典型的水下图像重建方法进行了性能评测和对比分析；总结了该领域目前仍存在的问题，展望了后续研究方向，以便于相关研究人员了解该领域的研究现状，促进该领域的技术发展。
水下图像退化 深度学习 图像增强 图像复原 水下数据集 水下图像质量评价
王柯俨 黄诗芮 李云松
西安电子科技大学综合业务网理论及关键技术国家重点实验室,西安 710071
国内会议
线上
中文
1337-1358
2022-04-21（万方平台首次上网日期，不代表论文的发表时间）