[论文解读] Underwater Image Haze Removal and Color Correction with an Underwater-ready Dark Channel Prior

Tomasz Łuczyński, Andreas Birk|arXiv (Cornell University)|Jul 11, 2018

Image Enhancement Techniques参考文献 16被引用 9

一句话总结

本文提出了一种专为水下环境优化的暗通道先验方法，通过利用后向散射引起的蓝绿色色调偏移重新定义全局大气光估计，从而提升水下图像的去雾效果与色彩校正。该方法在多样化的海洋环境真实数据上优于现有 DCP 适应方法，实现了在复杂光照条件和水体能见度变化下的鲁棒立体视觉与增强场景识别能力。

ABSTRACT

Underwater images suffer from extremely unfavourable conditions. Light is heavily attenuated and scattered. Attenuation creates change in hue, scattering causes so called veiling light. General state of the art methods for enhancing image quality are either unreliable or cannot be easily used in underwater operations. On the other hand there is a well known method for haze removal in air, called Dark Channel Prior. Even though there are known adaptations of this method to underwater applications, they do not always work correctly. This work elaborates and improves upon the initial concept presented in [1]. A modification to the Dark Channel Prior is proposed that allows for an easy application to underwater images. It is also shown that our method outperforms competing solutions based on the Dark Channel Prior. Experiments on real-life data collected within the DexROV project are also presented, showing the robustness and high performance of the proposed algorithm.

研究动机与目标

• 解决现有暗通道先验方法在水下成像中因后向散射与色调偏移导致性能下降的局限性。
• 克服标准 DCP 方法在水下环境中因大气光估计不准确而不可靠的问题。
• 开发一种在保持 DCP 核心框架不变的前提下，仅修改大气光估计以适配水下后向散射特性的方法。
• 通过在可变能见度与水体特性下保持鲁棒性能，确保方法适用于动态水下操作（如移动式 ROV）。
• 在真实水下场景中显著提升图像对下游任务（如 3D 立体重建与目标识别）的可用性。

提出的方法

• 通过利用强后向散射区域中出现的蓝绿色色调偏移，重新定义全局大气光 A 的估计方式，以适应水下环境。
• 利用高后向散射强度与蓝绿色色度增强之间的相关性，指导 A 的选择，从而在保留场景结构的同时优化估计。
• 保留原始 DCP 框架用于透射率估计与图像复原，避免对核心算法进行复杂修改。
• 在深度均匀的区域应用局部白平衡校正，以最小化色彩失真，尤其在物体边缘附近。
• 利用 DexROV 项目及考古遗址的真实水下图像数据，在多种环境条件下验证该方法。
• 将方法应用于地中海与亚得里亚海的真实视频序列，以测试其在不同水体浊度与颜色条件下的鲁棒性。

实验结果

研究问题

• RQ1 为何标准暗通道先验方法在水下环境中（特别是在强后向散射与色调偏移场景中）会失效？
• RQ2 如何修改暗通道先验中的大气光估计，以反映水下后向散射独特的光谱特性？
• RQ3 在不改变 DCP 核心框架的前提下，改进后的 DCP 方法是否能在多样化水下条件下实现可靠的去雾与色彩校正？
• RQ4 所提方法在真实水下 ROV 作业中对 3D 立体重建等下游任务的图像质量提升程度如何？
• RQ5 与现有最先进方法相比，该方法在真实世界数据（具有不同水体能见度、深度与光谱特性）上的表现如何？

主要发现

• 所提方法显著提升了原始水下视频的场景可见度，使工具上的网格结构与 ROV 模型上的标识图案等精细细节得以识别。
• 在地中海 ROV 笼数据集中，经校正后的图像即使在远距离下也能清晰辨识笼子，而原始视频中该目标几乎不可见。
• 在亚得里亚海的 Gnalic 沉船遗址中，校正图像揭示了原始图像中因雾霾遮蔽而无法检测到的细节，如工具箱上的金属网。
• 该方法在强绿色水体条件下表现出鲁棒性，成功保持了色彩保真度，并在 DexROV 模型数据集中增强了细节表现。
• 尽管在边缘与过曝区域存在轻微色彩伪影，但校正后的图像相比原始视频提供了显著更多的可用信息，尤其适用于立体处理。
• 在真实世界试验中，该方法优于现有 DCP 适应方法，证明其在对可靠图像质量要求较高的动态水下作业中具有实际有效性。