paper survey之——水下图像复原与增强&水下光通信

之前已经写过有关水下图像复原及增强相关的博客了。但是感觉了解仍然不够深入，本博文会继续做paper survey

 

目录

图像增强与复原的区别

水下增强现状

基于图像增强的水下图像增强

基于物理模型的水下图像复原

水下光通信

光在水中的传播模型

水下成像散射模型

水的吸收特性与散射特性

 吸收作用

散射作用

水下信道分析

水空通信或空水通信（air to water or water to air）

参考资料

---

 

图像增强与复原的区别

图像增强方法和图像还原方法。退化图像增强方法不依赖具体的模型，而是有目的地增强最重要、最有用、与当前任务最相关的感兴趣区域的信息，抑制不感兴趣区域的信息；退化图像的复原方法依赖具体的物理模型，充分考虑了图像质量下降的根本原因，并使其恢复到图像降质前的状态。

水下图像增强技术是利用图像增强的技术来实现水下图像的清晰化。由于水下环境的复杂性，水对光会产生吸收与散射效应，这会导致水下图像色偏与对比度下降的问题。故水下图像增强技术与图像增强技术具有相似性，但又有所不同。目前，研究水下图像增强技术主要有三种路径，一种是采用传统的图像增强，直接将其应用于水下环境；另外一种是基于基于颜色恒常理论（Retinex）的方法；还有一种是基于暗通道优先（DCP）算法及其改进算法。 

传统的图像增强算法有很多，如直方图均衡化（Histogram Equalization，HE），在此基础上，发展了对比度限制的直方图均衡化（Contrast Limited Adaptive Histogram Equalization，CLAHE）。除此之外，还有基于概率的方法（Probability-based  method，PB），该方法基于概率方法估计线性域的光照与反射，以增强图像。但是传统的图像增强算法直接应用于水下环境往往会出现增强效果有限或者增强后的图像失真，原因是这些算法只能对图像的对比度下降进行处理，但是对图像的色偏现象无法有效解决，这往往导致增强效果不佳的情况。除此之外，这些传统的图像增强算法不能够根据应用场景的变化而有所变化，这往往会导致增强过度或者增强欠佳的现象。 

 

水下增强现状

基于图像增强的水下图像增强

传统的水下图像增强分为空域图像增强和变换域图像增强，这两种增强方法并不需要考虑水下图像成像的物理模型，空域图像增强通过调整直接调整像素的灰度值来增强图像，而变换域图像增强方法是指通过变换技术，然后用数字滤波的方式增加图像的清晰度，例如：小波变换和傅里叶变换等。在水下图像处理的早期研究中，一般用白平衡，灰度世界假设、灰度边缘假设等来调整水下图像的颜色，典型的增强水下图像对比度的方法如下：

（1）直方图均衡化。直方图均衡化可以分为全局直方图均衡化与局部直方图均衡化，其中全局直方图均衡化的水下图像增强的基本思想是对水下图像的三个通道分别进行全局直方图均衡化，全局直方图均衡化对亮度较亮或者亮度较暗的图像处理效果比较好，实现也比较容易；缺点是过度放大图像中的噪声并且不能突出局部细节信息，层次感比较差，对不同场景的图片处理后有较大差异。而局部直方图均衡化则能较好的突出图像局部的细节信息，对局部的亮度也比较良好的调节，其缺点是处理过后的图片出现块效应，与全局直方图一样也会放大图像中的噪声，另外局部直方图增强运算量也较大。

（2）小波变换。小波变化是从傅里叶变化的基础上发展而来，他弥补了傅里叶变化的一些缺点，小波变换的基本思想是吧图像从空域变换为频域，经过小波变换的图像我们可以明显的看到图像的高频部分以及低频部分，图像的高频部分一般代表图像的细节部分也就我们要增强的部分，通过小波变换频域高频部分增强，从而增强水下图像的纹理细节，对于浅水下光照比较均匀的图像该算法能实现较好的增强效果，该算法的缺点是不能用于颜色衰减较强的深水。

（3）Retinex 算法。Retinex 算法是认为物体的颜色是由物体本身对不同的波长光线反射的结果，其颜色不会受光照不均匀的影响，Retinex 算法通过将图像分为辐射照度以及反射照度，通过重新调整图像的辐射照度从而实现较好的亮度矫正处理，Retinex 算法对于照度不均匀以及亮度较暗的水下图像处理得到的效果较好，但 Retinex 算法增强后的水下图像严重失真，且放大了原图中的噪声。 
（4）图像融合算法。图像融合就是协同利用同一场景不同传感所获取图像信息，通过融合的方法生成一幅符合人类视觉的图像，图像融合的方法可以获取更多的图像信息，增加图像的清晰度，能明显改善单一传感器成像的不足，而目前对于典型的水下图像增强，Ancuti所提出的方法能较好的增强水下图像的可见性，该方法通过不同的方法增强图像的纹理细节信、亮度信息、颜色信息等特征，最后通过拉普拉斯图像融合的方法来提高水下图像的质量。 

基于物理模型的水下图像复原

基于物理模型的水下图像复原方法要针对水下图像建立合适的水下图像退化模型，然后通过返演水下图像的退化过程，从而恢复理想状态下未经退化的原始水下图像，其中典型的基于物理模型复原水下图像的方法如下：

（1）基于暗通道先验的水下图像复原

暗通道先验（DCP）最初被提议用于户外场景的去雾。它假定一个物体在自然环境中的亮度至少在一个颜色成分中是很小的，因此它将有雾图像的局部一小块的最小值作为雾的叠加分量，然后根据大气散射模型复原有雾图像。

凯明神提出了暗通道优先（DCP）算法。在无雾的图像中，图像中的每个局部区域的颜色都较为鲜明。根据图像的三原色的原理，每个区域存在至少一个颜色通道的值很低，将图像中各个通道的最小值组成的图像称作为暗通道图像。如果图像中存在着雾，由于雾是灰白色的，其各个通道的值都较高，即在暗通道的值也很高。故可以通过暗通道图像的中灰白的程度估计雾的浓度，以此进行去雾处理。直接将 DCP 算法应用于水下图像增强并不能获得很好的增强效果。但可以通过改进算法来实现。

（2）基于极化的水下图像复原方法。

基于极化的方法使用了不同程度的偏振捕捉到的相同场景的图像来复原水下图像，这些图像是通过旋转固定在相机上的一个偏振镜片得到的，例如 Schechner 和 Averbuch利用了与反向散射光相关的偏振来估计透射率。虽然在恢复遥远的区域方面是有效的，但极化技术并不适用于视频获取，因此基于极化的方法不适用于处理动态场景。 

 

水下光通信

水下通信目前主要分为水声通信、水下电磁波通信、水下光通信三类。三类通信方式的优缺点比较如下图所示

通过介绍与比较上述三种目前主要的水下水下无线通信方式，我们可以做出这样的结论：在长距离（千米级别以上的）深海（４００米）海水低速传输场景下，需要使用水声通信，而海面以下２０米，则可以使用水下电磁波通信，并且目前水下电磁波通信还可与水声通信技术一起进行声电协同组网。但是一旦涉及到近距离高速通信，基于蓝绿激光的水下无线通信就是最有效与性价比的解决方案。在可以预见的未来，海洋的智能化与信息化的程度会逐年上升。因此在目前海洋探测与开发及各国的海洋战略的背景下，水下光通信已经受到了极大的关注并且己经取得了一定的研究成果。
虽然目前有不少的报道水下光通信达到了Gbps的级别，但基本是离线实验，借助OFDM调制，示波器采集的方式，而实时的通讯还仅仅在兆级别。实时系统的难点在于水下光信道的准确数学模型的建立，硬件技术，调制解调电路，编译码电路等等，所以距离大容量、高速率的实时水下系统还有很长的路要走。

 

光在水中的传播模型

水下成像散射模型

McGlamery和 Jaffe综合研究已经表明，在图像平面的一个点上的反射模型主要有三个组成部分：

（1）直接照射分量。如上图所示。直接照射分量是由目标物体直接反射到相机的光的分量。在每个图像中，直接分量表示为 

（2）前向散射。除吸收外，在水下介质中存在的浮动粒子也会引起入射光的偏差（散射）。前向散射的结果是光线在进入相机镜头前的随机偏差。通过实验确定它的影响可以通过直接衰减分量之间的卷积来近似，也就是点扩散函数，点扩散函数受图像平面和物体之间的距离的影响。 
（3）后向散射。后向散射是由于人造光（如闪光）撞击水粒子，并反射回相机。后向散射就像一个明显的面纱叠加在物体上。通过简单地改变人造光源的位置和角度，可以使大部分反射的粒子光无法到达相机，从而大大降低了该组件对水下图像成像的影响。然而，在许多实际情况下，后向散射仍然是在水下图像对比损失和颜色变化的主要原因。后向散射可以用数学公式表示如下： 

如果忽略前向散射部分，水下散射模型可以被简化为下式： 

这个水下成像模型类似于大气散射模型，所以我们可以通过用去雾的方式来去除水下图像的模糊，但大气散射模型不能显示出水下成像与光线波长强烈的相关性，所以在去除水下图像模糊时应用大气散射模型并不能表现出很好的效果。

 

水的吸收特性与散射特性

水下信道作为水下通信系统中的重要组成部分，在设计系统之前，需要了解光在水中的传播特性，以选择合适的发射端设备和接收端设备。海水是一种非常复杂的混合介质，包含了水、悬浮颗粒、微生物等，并且还与地域、气候、环境有关。海水的不均匀性使光波在传播中受到吸收和散射的影响，产生的衰减严重影响了传输距离和信噪比。
水下光通信跟光纤通信类似，都存在窗口效应。也即：海水对蓝绿光的吸收要明显的少很多。所以基于蓝绿光的水下光通信成为研究人员的关注热点。（但实际上，这一点跟下面要分析的海水的吸收作用有关）

光在水中的衰减主要包括了吸收和散射两部分，限制了光在海水中的传输距离。吸收是光子在传输过程失去能量并转化为其他形式的能量的过程。散射是光在传输过程中与其他粒子碰撞使得光子向不同方向传播，其传输方向上的光子数不断减少的过程，可以用如下简化几何模型表示，如图２－２。

 吸收作用

海水主要由水组成，同时包含许多种无机物和有机物，无机物主要包括悬浮颗粒和无机盐（氯化钠，盐酸钠等），有机物吸收作用是由含有叶绿素的微观植物，腐烂海洋生物引起，经过分析调研相关资料，海水中光波的吸收作用主要由以下四个因素引起：

纯海水包含纯水和水中溶解的无机盐，其吸收作用主要和光的波长有关，随着波长的增加，吸收效应越来越明显。浮游植物存在于阳光可以传播的海洋表面部分，也就是常说的“透光区”，在清澈的海水中，“透光区”的范围在５０米到２００米左右，在沿海近海岸处则仅１５米左右浮游植物利用叶绿素进行光合作用，会吸收大量的有色光，并且研究表明叶绿素对蓝，红光的吸收作用强于其他有色光。浮游植物导致的衰减会随着海水深度，时间和地理位置而变化。有色可溶有机物，主要包含死亡植物以及腐烂的有机物质，因此产生的腐植酸和黄腐酸在蓝光范围出现吸收峰值，所以一般显示为黄色和红色。在开阔水域中一般含量较低，在沿海岸水域中含量较高。悬浮颗粒一般是各类粒子的混合物，例如细菌，浮游动物，石英石和泥土。在开阔海域，浮游植物、腐植酸和黄腐酸的浓度较低，因此吸收效应主要由纯水引起，最小衰减窗口在４００ｎｍ－５００ｎｍ范围，即蓝绿光波长区域；在近海岸，浮游植物和各类悬浮物浓度升高，最小吸收窗口在５２０ｎｍ至５７０ｎm之间，即黄绿光区域。

散射作用

散射是由于粒子碰撞导致光子的运动路径发生偏移的现象，散射效应会使接收端的信号强度降低，还会导致码间串扰。散射很大程度上和光的波长无关，主要取决于水中存在的各种粒子，因此，散射现象影响的主要是沿海地区而不是开阔海域。散射系数如下：

散射引起的光子方向变化主要是由粒子的大小决定，如果粒子的大小小于光的波长，则发生瑞利散射，如果波长小于粒子的大小，则发生米氏散射。在纯海水中，一般发生瑞利散射，因为纯海水中存在各类盐离子，它们的大小小于光波波长。纯海水中的散射系数可以表示为:

由以上讨论可知，吸收和散射效应共同作用于水下光束，但是在不同的水下环境中，吸收作用或散射作用所占的比重不同。在远离海岸线的较为纯净的海水中，光的衰减主要是由吸收作用导致，随着海水逐渐变浑浊，水下衰减主要由散射导致，最小吸收窗口的波长由蓝绿色变为黄绿色，这会影响我们对于光源类型的选择。

水下信道分析

研究水的吸收和散射作用的目的是便于水下信道的分析。很多研究都通过指数模型对光在水下的传输情况进行了分析，但是指数模型只是将光的散射过程的总体作用整合成衰减系数的一项，忽略了光的散射过程的空间拓展，造成分析结果的误差。

其实通过对信道做深入的分析，然后根据分析的结果，进行对应的复原或增强，是最好的解决办法。

 

水空通信或空水通信（air to water or water to air）

除了水下通信以外，近年来还兴起水空与空水的通信研究。

 

 

 

 

 

参考资料

非均匀介质传播中的图像复原方法研究_陈田田

基于蓝绿激光的高速水下无线通信实验研究_韩孟祥

基于蒙特卡洛方法的水下可见光通信信道特性分析_张涤

基于视觉增强的水下机器人目标识别与定位_汤忠强

基于颜色补偿的水下图像增强_温伟清