underwater 图像恢复的双高阶总变异模型
计算机视觉与模式识别
2024-07-23 v1
摘要
水下图像通常由由于光在水中传递时的选择性吸收和散射而引起的色偏、雾霾、模糊和不均匀照明特征，限制了其实际应用。水下图像增强与恢复（UIER）是提高水下图像视觉质量的关键方法之一。然而，大多数现有 UIER 方法关注增强对比度和去雾，很少关注由照明变化引起的图像中局部照明差异，从而引入某些不理想的伪影和不自然的颜色。为解决此问题，本文提出一种基于扩展水下图像形成模型（UIFM）的有效变分框架。技术上，将双高阶正则化成功地集成到变分模型中，以统一方式获得平滑的局部环境照度和结构显现的反射率。在我们提出的框架中，将基于权重因子的颜色补偿结合颜色平衡来补偿衰减的颜色通道并去除色偏。特别地，通过执行局部 patch 最亮像素估计和改进的伽马校正，获取具有强鲁棒性的局部环境照度。此外，我们设计了一个基于交替方向乘子法（ADMM）的迭代优化算法来加快所提出变分模型的求解。在三个真实世界水下图像数据集上的大量实验表明，所提出的方法在视觉质量和定量评估方面优于Several state-of-the-art 方法。此外，所提出的方法也可以扩展到室外图像去雾、低光图像增强和一些高层视觉任务。代码可在 https://github.com/Hou-Guojia/UDHTV 获取。
引用
@article{arxiv.2407.14868,
title = {Dual High-Order Total Variation Model for Underwater Image Restoration},
author = {Yuemei Li and Guojia Hou and Peixian Zhuang and Zhenkuan Pan},
journal= {arXiv preprint arXiv:2407.14868},
year = {2024}
}
备注
13 pages, 10 figures