基于 Halo 分离的水下多尺度图像修复
计算机视觉与模式识别
2026-05-12 v1
摘要
由自主水下车辆（AUV）捕获的水下图像不可避免地受到人工光源的影响，这些光源常在镜头前方产生 Halo，并严重干扰图像质量。现有的水下图像增强方法未充分考虑这一关键问题，处理人工光照场景下图像的鲁棒性较差。在实际应用中，由于水下图像增强本身是一项非常具有挑战性的任务，人工光源的影响会导致严重的图像性能退化并影响后续视觉任务。为有效处理此问题，本文设计了一个基于迭代结构的单 Halo 图像校正方法。该网络主要分为两个子网络：一个是 Halo 层分离子网络，旨在通过梯度最小化来分离 Halo；另一个是多尺度恢复子网络，旨在恢复被 Halo 掩盖的图像信息。使用 UIEB 和 EUVP 合成数据集进行训练，以确保网络能够充分学习水下 Halo 图像的特征和规律。然后收集了大量在具有真实人工光照的水下环境中拍摄的 Halo 图像用于测试。此外，分析了水下 Halo 图像的亮度分布特征，并引入径向梯度以限制消除 Halo，从而提高水下图像修复效果。
引用
@article{arxiv.2605.10374,
title = {Halo Separation-guided Underwater Multi-scale Image Restoration},
author = {Jiaxin Yang and Honglin Liu and Yongli Wang and Shuyi Cao and Chengcheng Jiang and Jiale Wang},
journal= {arXiv preprint arXiv:2605.10374},
year = {2026}
}