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
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。