第二篇

传统图像融合未考虑复杂成像环境中模糊、失真等多种现象带来的综合影响．本文针对吸收衰减所引起的颜色真并进 一步考虑到散射导致的非均匀光照及低对比度问题，提出了一种基于优势特征图像融合的水下光学图像增强算法

第一步 暗通道算法 按通道的算法的缺点是处理完图像变暗

第二步ＣＬＡＨＥ－ＨＦ算法

通过设定阈值将灰度图像分割成上下两个区域，并将上部区域均衡分布到直方图的其他部分，以此低噪声．通过计算图像内 网格点的累积分布函数，将对比度限制技术应用于各像素点

第三步 ＡＧＣＷＤ算法

对输入图像灰度值进行非线性操作，使输入与输出图像 灰度值呈指数关系，增加对比度

第四步：多尺度细节

提升算法通过高斯差分滤波［１３］增强图像细节，将不同尺度的高斯核应用于全局图像Ｉ中， 合并三层细节生成整体细节图像

第五步 融合：

拉普拉斯对比度权重（Ｗｌ）通过计算各图像亮度通道的拉普拉斯滤波绝对值来估计全局对比度．该权重 用于色调映射和扩展景深，图像边缘和纹理细节被赋予较大权重值，该权重图如图６（ａ）所示．

显著性权重（Ｗｓ）旨在强调水下场景中失去显著性的物体，显著性权重加大了明暗区域的对比度，以此

来提高图像的全局对比度．然而，显著性权重图更倾向于突出具有高亮度值的区域

所示．为了克服这一限制，引入了饱和度权重图．

饱和度权重（Ｗｔ）使融合算法能够利用高饱和区域来适应彩色信息

 

重置退化图像直方图分布范围，使得少数图像局部出现色彩恢复不足的情况，如何进行优

化将是未来研究的方向．

 

标签：显著性,权重,算法,灰度,图像,对比度,第二篇
来源： https://www.cnblogs.com/CYueblog/p/16204261.html