王 建，宋占杰，李重儀，張莉云

（1.國家海洋技術(shù)中心，天津　300112；2.天津大學(xué)　電子信息工程學(xué)院，天津　300072；3.天津大學(xué)　理學(xué)院，天津　300072）

水下圖像增強方法研究現(xiàn)狀

王 建1，2，宋占杰3，李重儀2，張莉云2

（1.國家海洋技術(shù)中心，天津300112；2.天津大學(xué)電子信息工程學(xué)院，天津300072；3.天津大學(xué)理學(xué)院，天津300072）

光線在水下傳播過程中，它的失真程度會隨波長不同而發(fā)生改變。導(dǎo)致水下圖像視覺質(zhì)量下降的3個主要原因是吸收、散射和顏色失真。有關(guān)水下圖像處理的研究在近十幾年來得到了廣泛的關(guān)注，取得了重要進(jìn)展。文中著重討論水下圖像增強處理技術(shù)，探討其中的典型算法和研究成果，對部分算法的測試結(jié)果進(jìn)行定性和定量分析比較，最后總結(jié)水下圖像增強技術(shù)研究現(xiàn)狀，并展望了未來可能的發(fā)展方向。

水下圖像；圖像增強；顏色失真；性能比較

我國是個海洋大國，擁有1.8萬km長的海岸線和300多萬km2的海洋國土，海洋資源的探索和開發(fā)對我國的國民經(jīng)濟(jì)和國防安全都有重要的意義和價值。自主式水下機器人（簡稱AUV）在海洋資源勘探開發(fā)、海洋生態(tài)監(jiān)測，以及軍事等領(lǐng)域都有廣泛應(yīng)用?，F(xiàn)在的AUV大都配備了光學(xué)成像及圖像處理識別系統(tǒng)，而可見光圖像是AUV的主要信息來源之一。但受到水下惡劣成像環(huán)境的限制，獲取到的水下圖像普遍存在對比度低、模糊、偏色等不利因素。圖像可視質(zhì)量的下降會嚴(yán)重影響后續(xù)特征提取和目標(biāo)識別等過程的性能。因此，借助圖像處理技術(shù)提高原始水下圖像視覺質(zhì)量具有重要的科學(xué)意義，得到了越來越多研究者的關(guān)注，相關(guān)研究日益增多。

已有的水下圖像處理方法主要分為兩類［1］：第一類是基于圖像增強的方法，這類方法針對水下圖像質(zhì)量下降的表現(xiàn)（如對比度下降、偏色、圖像模糊等），選取相應(yīng)的圖像增強技術(shù)，改善圖像質(zhì)量。這類方法可以利用現(xiàn)有的圖像增強技術(shù)，靈活構(gòu)建處理方案，但由于沒有考慮水下圖像降質(zhì)原因，其增強結(jié)果不一定能正確反映圖像的真實面貌。第二類方法是基于物理模型的方法，這種方法借鑒水下圖像成像機理，通過研究水中懸浮顆粒對入射光的散射及吸收作用，建立合理的水下成像模型，在此基礎(chǔ)上反演出未降質(zhì)圖像。如果模型選取得當(dāng)，復(fù)原后的圖像將接近于真實圖像。但由于水下成像過程復(fù)雜多樣，現(xiàn)有模型普遍存在參數(shù)過于簡單、通用性差的缺點，制約了這類方法的使用。

本文將主要討論基于增強技術(shù)的水下圖像處理方法最新進(jìn)展?，F(xiàn)有國內(nèi)外文獻(xiàn)中涉及水下圖像增強技術(shù)的綜述文獻(xiàn)較少［2-3］，并且缺少對不同方法的定性定量比較。本文通過整理比較已有方法，從中選取部分有代表性的方法，重點介紹這些方法的原理和實現(xiàn)過程，并對各種方法的處理結(jié)果進(jìn)行定性和定量比較，最后總結(jié)有關(guān)水下圖像增強技術(shù)的研究現(xiàn)狀，指出幾個可能的發(fā)展方向。

1　方法綜述

有關(guān)水下圖像增強的研究始于21世紀(jì)初，目前國內(nèi)外能檢索到的論文（包括學(xué)位論文）已近百篇。根據(jù)各方法所用圖像增強技術(shù)的不同，大致可分為以下4類：

（1）基于空域增強的方法：常用技術(shù)有對比度拉伸、直方圖均衡等；

（2）基于頻域增強的方法：常用技術(shù)有同態(tài)濾波、小波變換等；

（3）基于顏色恒常性理論的方法：常用技術(shù)有自動白平衡、Retinex理論等；

（4）綜合方法：以上幾種方法的綜合。

1.1基于空域增強的方法

圖像空域增強技術(shù)包括對數(shù)（或冪律）變換、對比度拉伸、直方圖均衡、銳化［2］等。降質(zhì)后的水下圖像對比度較低，影響了圖像的可視質(zhì)量。線性拉伸是一種簡單有效的對比度拉伸技術(shù)，式（1）給出了一種典型的實現(xiàn)方式。

式中：f和g分別表示輸入圖像和增強圖像，f1和f2的取值與f有關(guān)，如可以令f1和f2分別取f的最小值和最大值；gH與gL是g所能取得的最大值和最小值。

Iqbal［3］等人提出了一種基于集成顏色模型（ICM）的算法。該算法先對RGB三顏色通道采用相同的策略進(jìn)行拉伸，將處理結(jié)果轉(zhuǎn)換到HSV空間，并進(jìn)一步拉伸S和V分量。這類方法能有效展寬圖像各通道的顯示范圍，實現(xiàn)對比度增強，但由于沒有考慮各強度值的統(tǒng)計分布以及位置信息，導(dǎo)致部分區(qū)域增強效果并不理想。

直方圖均衡化（簡稱HE）是另外一種常用的空域增強方法。HE方法考慮了各通道取值的統(tǒng)計分布，但仍沒有考慮位置信息，容易將噪聲和圖像細(xì)節(jié)一起增強。一種典型改進(jìn)思路是采用自適應(yīng)直方圖均衡技術(shù)（簡稱AHE），將圖像劃分為若干個子塊，對每一個子塊進(jìn)行直方圖均衡。AHE方法有效克服了HE方法的不足，但由于各子塊互不重疊，子塊邊界處容易出現(xiàn)塊效應(yīng)。雖然增加子塊的重疊率可以有效抑制塊效應(yīng)，但計算量也隨之增加。Karel提出的對比度受限直方圖均衡技術(shù)（簡稱CLAHE）［4］是一種經(jīng)典的AHE方法，在空域圖像增強領(lǐng)域應(yīng)用廣泛。Garcia等人［5］較早地將CLAHE技術(shù)用于水下圖像處理，并與對比度拉伸方法相結(jié)合，取得了不錯的效果。Hitam等人［6］提出了一種混合CLAHE方法（簡稱CLAHE-Mix）用于水下圖像增強。該方法在RGB空間只對R分量進(jìn)行直方圖均衡化處理，然后轉(zhuǎn)換到HSV空間對S和V分量再進(jìn)行直方圖均衡處理，最終將兩次處理結(jié)果組合，得到增強結(jié)果。除此之外，研究者還嘗試在CIELAB色彩空間進(jìn)行水下圖像增強［7-8］，但實驗結(jié)果表明，與RGB或HSV空間相比，CIELAB色彩空間處理結(jié)果并沒有明顯優(yōu)勢。

總的來說，基于空域的圖像增強技術(shù)較為成熟，因此這類方法實現(xiàn)簡單，處理后的水下圖像對比度增強較為明顯，但這類方法沒有考慮偏色情況，另外噪聲沒有得到很好抑制。圖1（b）～圖1（d）所示為使用HE、CLAHE、CLAHE-Mix和ICM 3種技術(shù)對兩幅水下圖像進(jìn)行增強的結(jié)果比較。由圖可見，基于HE方法的處理結(jié)果對比度增強最明顯，偏色情況得到一定改善，但噪聲抑制效果最差，部分區(qū)域顏色出現(xiàn)過飽和情況；基于CLAHE方法和CLAHE-Mix方法的處理結(jié)果都不夠理想，對比度略有提高，但顏色失真情況幾乎沒有變化；與前面3種方法相比，基于ICM方法處理結(jié)果的對比度和偏色情況都得到了一定改進(jìn)。

圖1　基于空域增強技術(shù)處理結(jié)果對比

1.2基于頻域濾波的方法

光線在水下環(huán)境傳輸時，受到懸浮顆粒散射作用的影響，物體成像變模糊，細(xì)節(jié)信息部分丟失。該退化過程相當(dāng)于使用低通濾波抑制圖像高頻成分，因此可以考慮借助頻域高通濾波方法增強圖像細(xì)節(jié)。

同態(tài)濾波是一種典型的頻率濾波技術(shù)，它以照明-反射模型為基礎(chǔ)，如式（2）所示：

式中：f是照射分量i和反射分量r相乘的結(jié)果。同態(tài)濾波的實現(xiàn)過程是利用取對數(shù)的方式，將式（2）所示的乘性關(guān)系轉(zhuǎn)換為加性關(guān)系，變換到頻域，并選用合適的濾波器（如高斯高通濾波器）進(jìn)行處理，然后變換回像素域，最后借助指數(shù)變換得到最終結(jié)果。Garcia等人［5］比較了對比度拉伸、CLAHE和同態(tài)濾波3種方法的處理結(jié)果，發(fā)現(xiàn)同態(tài)濾波方法結(jié)果最佳。但筆者進(jìn)行的仿真結(jié)果發(fā)現(xiàn)，與空域增強方法相比，同態(tài)濾波的處理結(jié)果并沒有優(yōu)勢。陳從平等人［9］提出了一種基于改進(jìn)巴特沃斯同態(tài)濾波器的水下圖像增強算法，但實驗結(jié)果仍不夠理想。還有研究者使用小波變換去除水下圖像的后向散射噪聲［10］。與空域增強技術(shù)相比，針對基于頻域的水下圖像增強開展的研究工作較少，進(jìn)展緩慢。

1.3基于色彩恒常性理論的方法

色彩恒常性（color constancy）是一種人類視覺系統(tǒng)的特有功能。它的含義是：當(dāng)物體表面照射光的顏色在某一個范圍內(nèi)發(fā)生變化時，人們對物體的色彩感知基本保持不變。色彩恒常性最有代表性的理論是由Land博士［11］提出的視網(wǎng)膜大腦皮層理論（簡稱Retinex）。該理論認(rèn)為人類視覺感覺到的顏色主要取決于反射分量r，而非投射到人眼視網(wǎng)膜的f。根據(jù)Retinex理論，設(shè)法將r從f中分離，降低i對圖像的影響，達(dá)到增強圖像的目的。

早期的方法使用基于路徑或迭代的Retinex算法，但這類算法參數(shù)調(diào)整困難、算法復(fù)雜度高。目前常用的Retinex算法包括單尺度Retinex（簡稱SSR）算法［11］、多尺度Retinex（簡稱MSR）算法［12］，以及帶有彩色恢復(fù)功能的多尺度Retinex算法（簡稱MSRCR）［12］。其中，MSRCR方法由于兼顧多尺度分析和顏色恢復(fù)的功能，應(yīng)用最為廣泛。

自動白平衡（簡稱AWB）是另外一類基于顏色恒常性的方法，主要解決在不同光照條件下物體偏色（color cast）問題。已有經(jīng)典方法有White Patch，Gray World，Shade of Gray等。針對水下圖像普遍存在的偏色問題，研究者嘗試?yán)肁WB技術(shù)進(jìn)行偏色校正。Henke等人［13］提出了一種基于改進(jìn)的Gray World方案用于水下圖像增強，他們首先將圖像劃分為前景與背景，只對前景區(qū)域進(jìn)行白平衡處理。Fu等人［14］所提方法先對輸入水下圖像進(jìn)行偏色校正，然后利用Retinex方法分離反射和照射分量，并分別采用不同策略增強兩類分量，最后合成增強結(jié)果。圖2給出了3種基于顏色恒常性理論方法的增強結(jié)果對比。Henke方法處理結(jié)果的對比度和偏色校正結(jié)果都不夠理想，MSRCR和Fu方法都能有效提高對比度和校正偏色，兩者相比，F(xiàn)u方法的處理結(jié)果顏色更自然，而MSRCR方法處理結(jié)果的細(xì)節(jié)更明顯。

圖2　基于顏色恒常性理論方法處理結(jié)果對比

1.4綜合方法

比利時Hasselt大學(xué)的Ancuti等人［15］將圖像融合思想用于水下圖像增強。該算法首先采用Shade of Gray技術(shù)進(jìn)行顏色校正，得到增強圖像A；再對A進(jìn)行去噪和對比度增強處理，得到增強圖像B；分別計算兩圖的拉普拉斯對比度圖、局部對比度圖、顯著性特征圖和曝光度圖等4種特征圖；根據(jù)各特征圖計算權(quán)重圖，并做歸一化處理；最后利用多分辨率分析合成增強圖像。針對Ancuti方法計算復(fù)雜度較高的不足，F(xiàn)ang等人［16］提出一種簡化方案。Petit等人［17］提出了一種基于四元法的水下圖像偏色校正算法。在ICM算法基礎(chǔ)上，Iqbal等人［18］提出了一種改進(jìn)的無監(jiān)督彩色校正（UCM）算法。與ICM相比，UCM算法在預(yù)處理階段加入了白平衡技術(shù)，并區(qū)分處理3個顏色通道，增強結(jié)果有所提高。Li等人［19］提出了一整套水下圖像增強方案。他們先使用去霧算法去除散射衰減的影響，接下來依次采用顏色補償、直方圖均衡、飽和度-強度拉伸等增強技術(shù)處理水下圖像，最后使用雙邊濾波進(jìn)行去噪。實驗結(jié)果驗證了該方法的有效性。

2　方法評測

本節(jié)選取幾種代表性的水下圖像增強算法進(jìn)行性能測試和比較。與其他類型降質(zhì)圖像的增強方法評測相比，水下圖像增強算法評測具有一定特殊性。增強后的圖像并沒有真實圖像作為參考，只能對增強圖像本身評測或者與原始退化圖像進(jìn)行對比。

2.1客觀評價準(zhǔn)則

目前有關(guān)水下圖像增強性能客觀評價標(biāo)準(zhǔn)的文獻(xiàn)很少，只有Yang［20］討論了水下圖像質(zhì)量評測標(biāo)準(zhǔn)。但該文提出的兩個評價標(biāo)準(zhǔn)都與退化模型相關(guān)，需要事先確定模型參數(shù)。針對水下降質(zhì)圖像的主要表現(xiàn)，本文采用Li等人［21］提出的兩個性能指標(biāo)來衡量增強圖像的對比度和偏色情況。

在CIE L*a*b*色彩空間計算兩性能指標(biāo)。用L表示亮度分量，取值范圍是［0，1］，兩色度分量用a*和b*表示，取值范圍都是［-1，1］。只使用L分量計算衡量對比度的性能指標(biāo)，用CNT表示，它定義為：

式中：M表示圖像中分塊的數(shù)目；Nm是第m個分塊的像素數(shù)；Lm（x）表示第m個分塊在x位置上的亮度值；μLm表示第m個分塊亮度值的均值。如果某圖像的CNT值越大，表示該圖像的對比度越高。

使用a*和b*分量計算衡量偏色度的性能指標(biāo)，用CCR表示，它定義為：

式中：μa*和μb*分別代表整幅圖像a*和b*分量的均值，Da*和Db*定義為：

式中：H和W分別表示輸入圖像的高度和寬度。如果某圖像的CCR值越大，表示該圖像的偏色程度越明顯。

使用上述兩個指標(biāo)，計算增強后水下圖像綜合評價指標(biāo)，用QUA表示，它定義為：

式中：參數(shù)α和β用來調(diào)整CNT和CCR在QUA中所占的比重，本文取α=β=1。

2.2方法比較結(jié)果與分析

根據(jù)已有方法的分類情況，我們選取6種典型方法用于性能對比，它們是：

（1）ICM［3］；

（2）CLAHE-Mix［6］；

（3）MSRCR方法；

（4）Fu的方法［14］；

（5）UCM［18］；

（6）Photoshop?自動增強方案。

上述方法中，方法1和2屬于空域增強方法，方法3和4屬于基于顏色恒常性理論的方法，方法5是一種綜合方法。另外選用商業(yè)軟件Photoshop? CS5提供的“自動對比度”和“自動色調(diào)”增強方案進(jìn)行對比。共選用4幅圖像進(jìn)行性能比較，分別是“fish”“ship”“coral”和“diver”。圖3所示為不同方法處理結(jié)果的比較。觀察處理結(jié)果發(fā)現(xiàn)，基于空域增強的方法（如ICM和CLAHE-Mix）對于圖像偏色處理效果不佳，部分處理結(jié)果圖像的偏色有所增強（如“fish”圖像）。MSRCR方法能夠提高圖像對比度，也具有一定的顏色校正能力，但是視覺質(zhì)量并不理想。Fu方法和UCM方法處理結(jié)果的總體視覺質(zhì)量最佳。兩者相比，F(xiàn)u方法處理結(jié)果的色彩更自然，對比度更強；UCM方法處理結(jié)果偏亮，顏色飽和度稍低。Photoshop處理結(jié)果與CLAHE-Mix方法接近，尤其是偏色情況沒有明顯改進(jìn)。

圖3　不同方法處理結(jié)果對比

表1所示為6種方法的定量比較結(jié)果。表中每一張圖像的最佳指標(biāo)值用加粗字體標(biāo)出。不難發(fā)現(xiàn)，除了圖像“fish”的CNT指標(biāo)最佳值是由MSRCR方法取得之外，其他圖像各項指標(biāo)的最佳值均由Fu方法取得。根據(jù)各項指標(biāo)值，可以得到如下結(jié)論：Fu方法最佳，其次是MSRCR方法，以及UCM方法和ICM方法，然后是PS方法，CLAHE-Mix方法最差。這與由圖3得到的分析主觀評價結(jié)果基本一致。需要指出的一點是，雖然UCM方法的各項指標(biāo)值并不高，但其處理結(jié)果的視覺質(zhì)量優(yōu)于MSRCR和ICM方法，說明本文所選用的性能指標(biāo)與主觀評價結(jié)果還有一定誤差。

表1　定量比較結(jié)果

3　總結(jié)與展望

闡述了國內(nèi)外有關(guān)水下圖像增強技術(shù)的研究現(xiàn)狀，對已有方法進(jìn)行了分類，重點介紹了各典型方法的工作原理和實現(xiàn)過程，最后選取部分代表性的方法進(jìn)行了主觀對比和客觀評價。水下圖像增強相關(guān)研究工作取得了一定的進(jìn)展，但仍存在一些不足。在未來的研究工作中，研究人員可考慮在以下幾個方面開展相關(guān)工作：

（1）算法的自適應(yīng)調(diào)整能力有待改進(jìn)：現(xiàn)有方法并不適用于所有水下場景，一般需要手動調(diào)整參數(shù)。然而大部分計算機視覺系統(tǒng)都需要增強算法自動進(jìn)行處理，不需要或者需要很少的人工調(diào)整。理想的算法應(yīng)該能自動分析輸入水下圖像的數(shù)據(jù)，針對不同場景和不同光照條件進(jìn)行自適應(yīng)調(diào)整，滿足復(fù)雜情況的需求。

（2）增強算法的性能有待提高：很多方法沒有考慮吸收衰減所引起的偏色現(xiàn)象，對3個顏色通道不加區(qū)分處理。大部分方法沒有考慮噪聲影響，將有用信息和噪聲都進(jìn)行增強。絕大多數(shù)方法沒有考慮水下圖像模糊現(xiàn)象，細(xì)節(jié)成分增強不明顯。

（3）客觀評價體系有待于完善：目前研究人員主要采用主觀方式評價水下圖像增強結(jié)果，還沒有形成一致認(rèn)可的客觀評測體系，這對算法性能的評估帶來了不便。建立一個針對水下圖像增強領(lǐng)域的標(biāo)準(zhǔn)化客觀評測體系是一個亟待解決的重要問題。

［1］Schettini R，Corchs S.Underwater Image Processing:State of the Art of Restoration and Image Enhancement Methods［J］.EURASIP Journal on Advances in Signal Processing，2012:1-14.

［2］Sahu P，Gupta N，Sharma N.A Survey on Underwater Image Enhancement Techniques［J］.International Journal of Computer Applications，2014，87（13）:19-23.

［3］Iqbal K，Salam R A，Osman A，et al.Underwater Image Enhancement Using an Integrated Colour Model［J］.IAENG International Journal ofComputer Science，2007，34（2）:239-244.

［4］Zuiderveld K.Contrast Limited Adaptive HistogramEqualization［M］.Graphic Gems IV.San Diego:Academic Press Professional，1994: 474-485.

［5］Garcia R，Nicosevici T，Cufi X.On The Way to Solve Lighting Problems in Underwater Imaging［C］//Proceedings of IEEE Conference on OCEANS，Biloxi，MI，USA，2002:1018-1024.

［6］Hitam MS，Kuala Terengganu，Yussof Wnjhw，et al.Mixture Contrast Limited Adaptive Histogram Equalization for Underwater Image Enhancement［C］//Proceedings ofInternational Conference on Computer Applications Technology，Sousse，Tunisia，2013:1-5.

［7］Karam G S，Abood ZM，Saleh R N.Enhancement ofUnderwater Image UsingFuzzyHistogramEqualization［J］.International Journal of Applied Information Systems，2013，6（6）:1-6.

［8］Sonam B.Lab Based Contrast Limited Adaptive Histogram Equalization for Underwater Images［J］.International Journal of Computer Application，2015，5（4）:165-174.

［9］陳從平，王健，鄒雷，等.一種有效的低對比度水下圖像增強算法［J］.激光與紅外，2012，42（5）:567-571.

［10］張學(xué)夢.基于小波理論的水下圖像后向散射降噪研究［D］.青島:中國海洋大學(xué)，2010.

［11］Jobson D J，Rahman Z，Woodell G A.Properties and Performance of a Center/Surround Retinex［J］.IEEE Transaction on Image Processing，1996，6（3）:451-462.

［12］Jobson DJ，Rahman Z，WoodellGA.AMulti-Scale Retinexfor Bridgingthe Gap Between Color Images and the Human Observation of Scenes［J］.IEEE Transaction on Image Processing，2000，6（7）:965-976.

［13］Henke B，Vahl M，Zhou Z L.Removing Color Cast of Underwater Images through Non-Constant Color Constancy Hypothesis［C］//Proceedings ofInternational Symposiumon Image and Signal Processingand Analysis，Trieste，Italy，2013:20-24.

［14］Fu X Y，Zhuang P X，Liao Y H.A Retinex-Based Enhancement Approach for Single Underwater Image［C］//Proceedings of IEEE International Conference on Image Processing，Paris，F(xiàn)rance，2014:4572-4576.

［15］Ancuti C，Ancuti C O，Haber T，et al.Enhancing Underwater Images and Videos by Fusion［C］//Proceeding of IEEE Conference on Computer Vision and Pattern Recognition，Rhode Island，USA，2012:81-88.

［16］Fang S，Deng R，Cao Y，et al.Effective Single Underwater Image Enhancement by Fusion［J］.Journal of Computers，2013，8（4）: 904-911.

［17］Petit F，Capelle-Laize A S，Carre P.Underwater Image Enhancement by Attenuation Inversion with Quaternions［C］//Proceedings of IEEE International Conference on Acoustics，Speech and Signal Processing，Taiwan，2009:1177-1180.

［18］K Iqbal，Odetayo M，James A，et al.Enhancing the Low Quality Images Using Unsupervised Colour Correction Method［C］//Proceedings ofthe IEEE International Conference on Systems Man and Cybernetics，Istanbul，Turkey，2010:1703-1709.

［19］Li C Y，Guo J C.Underwater Image Enhancement by Dehazing and Color Correction［J］.J Electron Imaging，2015，24（3）:033023（1-10）.

［20］Yang M，Sowmy A A.NewImage Quality Evaluation Metric for Underwater Video［J］.IEEE Signal Processing Letters，2014，21（10）: 1215-1219.

［21］Li F，Wu J，WangY，et al.AColor Cast Detection AlgorithmofRobust Performance［C］//Proceedings ofIEEE International Conference on Advanced Computational Intelligence，Nanjing，China，2012:662-664.

Research Progress of Underwater Image Enhancement Methods

WANG Jian1，2，SONG Zhan-jie3，LI Chong-yi2，ZHANG Li-yun2
1.National Ocean Technology Center，Tianjin 300112，China；
2.School of Electronic Information Engineering，Tianjin University，Tianjin 300072，China；
3.School of Science，Tianjin University，Tianjin 300072，China

When traveling through water，light rays are distorted according to different wavelengths.Absorption，scattering and color distortion are the three major reasons for the decrease of visual quality of underwater images.The research field of underwater image processing has received considerable attention in the last decade，obtaining important achievements.This paper focuses on recent enhancement-based underwater image techniques，and presents some typical algorithms and research results，with qualitative and quantitative evaluation conducted on the testing results from a portion of algorithms.Finally，it summarizes the research progress of underwater image enhancement methods and proposes future research directions.

underwater images；image enhancement；color distortion；performance comparison

TP391.4

A

1003-2029（2016）02-0076-07

10.3969/j.issn.1003-2029.2016.02.014

2015-10-27

國家自然科學(xué)基金資助項目（61002030，61372145）

王建（1976-），男，博士后，講師，研究方向為圖像處理、計算機視覺。E-mail：jianwang@tju.edu.cn