为什么说深度算法推动图像增强进步 在许多领域得到广泛应用

　　得益于计算机视觉技术，数字图像处理系统在许多领域得到了广泛的应用。

许多领域都依赖于它，包括医疗保健、创造、监控、智能交通、遥感监控、国防等等。

　　在低光照条件下，例如室内、夜间或阴天，物体的表面照明可能较弱，从而导致噪点和颜色不规则导致图像质量显着下降。

在经历了图像传输、转换、存储等活动后，这些低光图像的质量会大大降低。

当落在某个区域的光量明显低于正常水平时，称为弱光。

　　在实际场景中，没有一个普遍接受的指标，因为很难确定表征弱光情况的精确理论值。

水下光学成像程序也通常使用成像系统，例如立体或全景偏振或光谱成像。

　　然而，除了光学相机之外，其他所有方法都有其自身的缺点，例如深度范围窄、复杂或专业操作、视野有限等。

　　由于水的内部光学特性 IOP，穿过水的光会经历吸收和散射。

当接收器接收到从目标物体反射的光照时，就会发生前向散射。

由于前向散射，点光源扩散成一个模糊的圆圈，从而产生朦胧的图像。

　　反向散射会产生雾遮蔽并降低水下图像的对照度。

随着水深的增加，光的颜色会根据波长而减弱。

虽然人工照明确实可以增加视觉范围，但这样做也有缺点，例如增加半空中物体的散射，并产生被黑暗斑块包围的璀璨区域的图像。

水下成像系统的固有噪声是影响水下图像质量的另一个主要因素。

　　此外，许多成像应用依赖于具有足够对照度和功能的高质量照片，例如识别、医疗应用、车辆检测等。

图像采集过程通常会导致医学图像具有低对照度、模糊和强度不均匀性，即使使用相同或不同的传感器拍摄也是如此。

另外，软件算法的改进空间巨大，数字图像处理是旨在提高低光图像和视频质量的研究重点。

　　研究提高成像设备性能的图像增强方法具有高度相关性和有用性。

在幸免噪声放大和实现良好实时性能的同时，图像增强的重要目的是提高整体图像质量和局部对照度、视觉效果，并转换为更适合人类感知或计算机处理的形式。

这种改进可以使图像更容易被计算机视觉设备研究和处理，使视觉系统更加可靠和有弹性，并使图像更符合人们的主观视觉感知。

图像增强的结果如图 1 所示。

　　图像增强的分类

　　在过去的几十年里，研究人员提出了几种图像增强技术。

有几种方法可以提高图像质量。

以下是一些示例：空间和变换域、视网膜、图像融合、深度学习、模糊理论、图像去雾或去雾以及基于转换器的方法见图 2。

　　图2.图像增强技术的分类。

　　这些方法使用一组不同的算法，并根据其根本不同的特征进一步分类为子类。

图 3 显示了使用深度学习方法的图像增强过程。

　　图3.使用深度学习方法的图像增强过程。

　　基准数据集

　　文献涵盖了许多图像增强数据集。

SYD 合成数据集1 是一个低光模拟数据集，其中包含 22.656 张图像，可捕捉各种场景和照明条件。

MBARI 数据集包含 666 张鱼类图像2.用于训练算法以增强水下图像。

　　RUIE 数据集由三个不同的类别组成。

图像清晰度、色偏以及高级检测和分类是这些子组旨在解决的一些问题。

大约 4000 张海胆和扇贝图像由 RUIE 数据集组成。

Li等人使用950张实际海底图像构建了一个大规模的UIEB数据集。

1 拍摄这些水下图像的照明条件可能是自然光和人造光的混合。

　　UIEB创建了一个框架，使我们能够评估几种水下图像改进方法。

使用配备RGB摄像机的水下遥控潜水器ROV收集AFSC数据集。

该数据集中包含来自多个 ROV 任务的大量视频。

AFSC 数据集由大约 571 张图像组成。

2 这些图像中描绘了鱼类和其他相关物种。

这些图像中的像素总数为 2112 × 2816.ROV 用于向下凝视海底以查看组合的 NWFSC 数据集。

　　图像增强应用

　　人类指纹是具有人类身份固有特征的物种识别对象的一个例子。

山丘或山脊占据了一侧，而山谷则占据了相反的、不太显眼的一侧。

根据 Khan 等人的说法，指纹有五种重要形式：拱形、左环形、螺旋形和帐篷形弓.3 这些变体的分别在于孤点的数量和位置。

图像增强有助于使用增强算法提高低质量指纹的质量。

　　人脸识别算法在光线不足或距离较远等具有挑战性的环境中举步维艰。

由于大气湍流，远距离成像经常会遇到不必要的影响，例如模糊、失真和强度变化。

弱光环境会导致图像模糊和噪点。

之前已经研究了人脸识别算法在受大气湍流影响的远距离图像中的应用。

研究人员使用多种算法来提高人脸识别技术在一系列湍流强度、距离和光学因素下捕获的图像质量。

　　医学图像增强是一个始终有技术改进空间的领域。

在一些复杂的成像程序中，诊断图像质量差会提供错误的信息，使患者诊断更具挑战性。

图像增强技术的目标是在不改变任何原始信息的情况下增强图像的视觉外观。

有几种方法，包括去除模糊和去噪，可以完成这项工作。

　　低光图像增强有助于处理在低光条件下拍摄的图像，这些图像容易引起能见度有限，表现为对照度降低、颜色苍白和场景元素模糊，这是由于场景对象接收到的入射辐射不足。

物体识别、智能汽车、卫星成像以及几乎所有计算机视觉和计算成像应用都依赖于高质量的图像。

低光图像增强：在弱光条件下拍摄的增强图像，使其更具可读性或可理解性。

　　卫星遥感数据可以增强卫星图像，在广泛的科学学科和实际应用中得到广泛应用，包括林业、农业、地质、教育、军队、物种多样性保护和区域规划。

在植被稀少、岩石露头较多的干旱地区，可以使用来自 Landsat TM 等卫星的多光谱数据和提供全色影像的 SPOT 等卫星的高分辨率影像相结合来查看地表地质。

卫星图像增强的重要目的是提高图像的质量和视觉外观，或为将来的处理提供更准确的变换表示。

　　水下图像增强可以通过揭示可再生能源、食品和药物的未开发潜力，从而发现深海生态系统。

在过去的几十年里，水下图像处理在学术界的兴趣迅速上升。

图像增强对于增强图像的视觉外观起着至关主要的作用，并通过突出水下图像信息来增加信息丰富度。

　　未来的图像增强

　　在改进图像时要小心，以便在图像颜色、视觉效果、信息熵等几个方面之间保持良好的平衡，同时专注于构建可见的对照度，，因为最先进的算法有其局限性。

　　近年来，由于算法的快速进展，图像增强研究取得了长足的进步。

然而，数据丢失、颜色失真或高计算成本的问题是当前所有尖端算法所固有的。

最近的图像增强方法不能保证视觉系统在水下、医疗和弱光环境中有效运行。

　　在图像增强领域还有巨大的进展空间。

一些潜在的前进道路包括开发鲁棒和自适应能力算法、少样本学习网络、无监督学习、建立标准质量评估指标、开发基于视频的增强方法、更专业的评估参数和定性功能，这些对于促进图像增强研究至关主要。