基于偏微分方程的水下图像增强算法分析

本报告描述了基于偏微分方程（PDE）的水下图像增强算法的实验分析。由于在 PDE 框架内结合了平滑与增强两个过程，这些算法能同时进行平滑和增强。该框架允许在一个统一的泛函中融入合适的颜色与对比度增强算法。对该公式的进一步修改包括将流行的对比度受限自适应直方图均衡化（CLAHE）与所提方法相结合。这一修改使得混合算法既能提供局部增强（源于 CLAHE），又能提供全局增强（源于所提的对比度项）。此外，CLAHE 的裁剪限幅参数在每次迭代中动态计算，并用于衡量 CLAHE 在公式内执行的局部增强量。这使得算法能够减少或防止噪声伪影的增强，若存在噪声伪影，也会被 PDE 公式中的各向异性扩散项平滑掉。换言之，修改后的算法结合了 CLAHE、各向异性扩散和对比度项的优势，同时最小化了它们的弱点。最终，该系统利用图像数据度量进行优化，以实现自动增强并在视觉与定量结果之间取得折衷。实验表明，所提算法执行了一系列功能，如光照校正、颜色增强校正与恢复、对比度增强和噪声抑制。此外，所提方法超越了文献中发现的大多数其他传统算法。