CN110930319B - 基于自适应透射率估计的水下图像清晰化方法 - Google Patents

Abstract

本发明公开的一种基于自适应透射率估计的水下图像清晰化方法，对于输入的水下图像，首先，针对颜色失真问题，对各通道分别进行颜色衰减补偿；其次，分别基于图像模糊度、水下红通道先验和水下最大红通道先验得到三种透射率估计；然后，自适应判别水下图像的特征，根据得到的三种透射率估计求得最终的透射率估计；最后，根据水下成像模型并利用估计得到的水下背景光和最终的透射率估计恢复出清晰的复原结果。本发明水下图像清晰化处理法可以有效地处理含有人工光源或浑浊度较高的水下图像，复原得到的结果颜色自然，细节清晰。

Description

基于自适应透射率估计的水下图像清晰化方法

技术领域

本发明属于计算机图像处理方法，尤其涉及一种水下图像清晰化处理方法。

背景技术

海洋能源是我国的一项重要战略资源，海洋资源的开发与保护是我国建成海洋强国的重要基础。近年来，水下图像在海洋能源勘探、海洋生态保护以及海洋军事等领域有着极为广泛的应用。但由于受水下场景中的有机物和悬浮颗粒等的影响，水对光能量具有强烈的吸收和散射作用，使得水下图像存在对比度低，颜色失真和细节丢失等问题。因此，水下图像清晰化问题在计算机视觉应用领域和数字图像处理领域亟待解决。

现有的水下图像清晰化方法可分为基于图像增强的方法、基于成像模型的复原方法和基于深度学习的方法。基于图像增强的方法主要包括基于Retinex理论的增强方法、空间滤波的方法以及图像融合的方法。基于成像模型的复原方法是通过估计模型参数来复原图像，主要包括基于暗通道先验理论的适用于水下图像复原的方法。基于深度学习的方法可以实现端到端的水下图像复原，但由于水下图像成像的特殊性，导致泛化能力不理想。以上方法大多没有考虑如何处理包含人工光源的水下图像，并且在对浑浊度较高的水下图像进行处理时，颜色失真现象严重。

[参考文献]

1.Y.-T.Peng,X.Zhao,and P.C.Cosman,“Single underwater imageenhancement using depth estimation based on blurriness,”in 2015IEEEInternational Conference on Image Processing(ICIP),4952–4956,IEEE(2015).

2.H.Wen,Y.Tian,T.Huang,et al.,“Single underwater image enhancementwith a new optical model,”in 2013IEEE International Symposium on Circuits andSystems(ISCAS2013),753–756,IEEE(2013).

3.A.Galdran,D.Pardo,A.Picon,′et al.,“Automatic red-channel underwaterimage restoration,”Journal of Visual Communication and Image Representation26,132–145(2015).

4.Y.-T.Peng and P.C.Cosman,“Underwater image restoration based onimage blurriness and light absorption,”IEEE transactions on image processing26(4),1579–1594(2017).

5.F.Li,J.Wu,Y.Wang,et al.,“A color cast detection algorithm of robustperformance,”in 2012 IEEE Fifth International Conference on AdvancedComputational Intelligence(ICACI),662–664,IEEE(2012).

发明内容

针对上述现有技术，本发明提出一种基于自适应透射率估计的水下图像清晰化方法，可以有效地处理含有人工光源或浑浊度较高的水下图像，复原得到的结果颜色自然，细节清晰。

为了解决上述技术问题，本发明提出的一种基于自适应透射率估计的水下图像清晰化方法，首先，对于输入的水下图像的各通道分别进行颜色衰减补偿；其次，分别基于图像模糊度、水下红通道先验和水下最大红通道先验得到三种透射率估计；然后，自适应判别水下图像的特征，根据得到的三种透射率估计求得最终的透射率估计；最后，根据水下成像模型并利用估计得到的水下背景光和最终的透射率估计恢复出清晰的复原结果。

具体步骤如下：

步骤1：输入的水下图像为I_c(x)，对该水下图像为I_c(x)的各通道分别进行颜色衰减补偿，步骤包括：首先，由蓝绿通道均值判定水下图像I_c(x)的基调颜色，然后，基于该基调对应的颜色通道对其他两通道进行颜色补偿；

如图像的基调颜色为蓝色，则通过式(1)对红通道进行颜色衰减补偿：

其中，I_RC(x)表示补偿后红通道中x处的强度值，I_R(x)、I_B(x)分别表示水下图像I_c(x)的红通道和蓝通道中x处的强度值，

表示水下图像I_c(x)的蓝通道和红通道的均值，α为常数；为了避免红通道过补偿现象，只对红通道较小强度像素进行补偿；

同理可对绿通道进行颜色补偿：

其中，I_GC(x)表示补偿后绿通道中x处的强度值，I_G(x)、I_B(x)分别表示水下图像I_c(x)的绿通道和蓝通道中x处的强度值，

分别表示水下图像I_c(x)的蓝通道和红通道的均值，α为常数；

步骤2：经过颜色衰减补偿后的图像为I_c'(x)；基于图像模糊度得到透射率

估计，利用图像I_c'(x)各像素点的强度值与其高斯滤波后的结果之差来估计该图像I_c'(x)的图像模糊度：

其中，Blur(x)表示图像I_c'(x)的x点处的模糊图，n为常数，Y(x)表示图像I_c'(x)中x点处的亮度值，G^k,σ表示核为k×k，方差为σ²的高斯滤波器，令k＝σ＝2ⁱn+1，n＝4；

对得到的图像模糊度进行最大值滤波，得到透射率

步骤3：在式(5)所示的水下成像模型的基础上，并基于式(6)所示的水下红通道先验，通过式(7)与式(8)的计算，最终得到式(9)中得到透射率

估计；

式(5)中，

表示红、绿、蓝三通道，

表示水下图像I_c(x)对应的通道，

表示恢复后的水下图像即清晰图像对应的通道，

表示对应通道的透射率，

表示对应通道的散射率,即

对应通道的水下背景光强度；

式(6)中，J^RCP(x)为恢复后的水下图像，Ω(x)以像素点x为中心的局部块，R,G,B分别表示图像的红通道、绿通道和蓝通道，J(y,R)、J(y,G)、J(y,B)分别表示图像的红通道图、绿通道图和蓝通道图；

结合式(5)成像模型得：

式(7)中，t^β(x)为透射率，t^α(x)表示衰减率，即1-t^β(x)；A_R是红通道的水下背景光强度，A_G是绿通道的水下背景光强度，A_B是蓝通道的水下背景光强度；

对式(7)两边同时取最小化运算：

得到基于水下红通道先验的透射率

估计：

步骤4：基于水下最大红通道先验得到透射率

估计，对应距离相机越近的场景点的红通道强度值越大，则透射率

表示为：

步骤5：自适应判别水下图像的特征，求得最终红通道的透射率

估计：

式(11)中，ω＝S(arg(A_c),0.5)，υ＝S(arg(I^r),0.1)，S(x,y)＝[1+e^-32(x-y)]^-1，arg表示平均值；由式(10)得出：

当arg(A_c)＞＞0.5且arg(I^r)＞＞0.1，即背景光较暗但是红通道衰减较小时，ω≈0,υ≈1，则使用透射率

估计透射率

当arg(A_c)＞＞0.5且arg(I^r)＞＞0.1，即背景光较亮且红通道衰减较弱时，ω≈1,υ≈1，则使用透射率

估计透射率

当arg(I^r)＜＜0.1，即红通道衰减十分严重时，υ≈0，则使用透射率

估计透射率

步骤6：通过步骤5求得红通道的透射率

然后用衰减系数的比值求得其他两个通道的透射率：

式(12)中，k∈{G,B}表示蓝、绿通道，

表示对应通道的透射率，

是通过式(11)求得的红通道透射率，衰减系数比为：

式(13)中，m＝-0.00113,i＝1.62517,λ表示波长，λ^R表示红通道波长；

步骤7：对图像I_c'(x)进行四次循环分块，每次均选择均值和方差最小的块，然后，将最终得到的模糊度块对应到水下图像I_c(x)对应的位置，最后，求得的各通道的均值即为各通道的背景光估计值；

在第一次分块操作中，为了避免人工光源对背景光估计的影响，只使用图像I_c'(x)的上半部分，且在后续分块中，为去除噪声和图像中白色物体对背景光估计的影响，只对均值和标准差最小的块进行下一轮分块操作；

步骤8：根据步骤3中式(5)的水下成像模型并利用背景光估计和三通道透射率估计得到清晰图像J^RCP(x)。

与现有技术相比，本发明的有益效果是：本发明可以有效地处理含有人工光源或浑浊度较高的水下图像，复原得到的结果颜色自然，细节清晰。

附图说明

图1是针对水下图像Divers的清晰化效果对比图；其中，(a)是水下图像Divers原图，(b)是经过DCP方法清晰化的效果，(c)是经过RCP方法清晰化的效果，(d)是经过Blur方法清晰化的效果，(e)是经过Fusion方法清晰化的效果，(f)是经过本发明方法清晰化的效果；

图2是针对水下图像Buddha的清晰化效果对比图；其中，(a)是水下图像Buddha原图，(b)是经过DCP方法清晰化的效果，(c)是经过RCP方法清晰化的效果，(d)是经过Blur方法清晰化的效果，(e)是经过Fusion方法清晰化的效果，(f)是经过本发明方法清晰化的效果；

图3是针对水下图像Stone的清晰化效果对比图；其中，(a)是水下图像Stone原图，(b)是经过DCP方法清晰化的效果，(c)是经过RCP方法清晰化的效果，(d)是经过Blur方法清晰化的效果，(e)是经过Fusion方法清晰化的效果，(f)是经过本发明方法清晰化的效果。

具体实施方式

下面结合附图及具体实施例对本发明做进一步的说明，但下述实施例绝非对本发明有任何限制。

本发明提出的一种基于自适应透射率估计的水下图像清晰化方法，主要包括：首先，对于输入的水下图像的各通道分别进行颜色衰减补偿；其次，分别基于图像模糊度、水下红通道先验和水下最大红通道先验得到三种透射率估计；然后，自适应判别水下图像的特征，根据得到的三种透射率估计求得最终的透射率估计；最后，根据水下成像模型并利用估计得到的水下背景光和最终的透射率估计恢复出清晰的复原结果。

由Jaffe-McGlamery水下成像模型可知，相机接收的光可以表示为三个分量之和：物体反射的直接分量，物体反射光的散射部分称为前向散射，环境光经过微粒等杂质散射后的光称为后向散射。一般前向散射可以忽略不计，水下成像模型可以简化为：

I_c(x)＝J_c(x)·t_c(x)+A_c·(1-t_c(x))

其中，I_c(x)表示原始的水下图像，J_c(x)复原后的清晰图像，A_c表示水下环境光，t_c(x)表示透射率。继而可以将水下成像模型表示为：

其中，

表示t_c(x)，t^α(x)表示1-t_c(x)。

本发明提出的一种基于自适应透射率估计的水下图像清晰化方法，主要包括：对于输入的水下图像I_c(x)，首先，针对颜色失真问题，对各通道分别进行颜色衰减补偿；其次，利用图像模糊度与景深的关系，得到适用于含有人工光源的水下场景透射率估计方法，可有效解决人工光源带来的光照不均的问题；然后，为了恢复更多的图像细节，联合水下红通道先验提出多模式透射率估计的方案，即分别基于图像模糊度、水下红通道先验和水下最大红通道先验得到三种透射率估计；接下来，自适应判别水下图像的特征，根据得到的三种透射率估计求得最终的透射率估计；最后，根据水下成像模型并利用估计得到的水下背景光和最终的透射率估计恢复出清晰的复原结果，即得到清晰图像。具体步骤如下：

步骤1：输入的水下图像为I_c(x)，针对颜色失真问题，对该水下图像为I_c(x)的各通道分别进行颜色衰减补偿，步骤包括：首先，由蓝绿通道均值判定水下图像I_c(x)的基调颜色，然后，基于该基调对应的颜色通道对其他两通道进行颜色补偿；

如图像的基调颜色为蓝色，则通过式(1)对红通道进行颜色衰减补偿：

其中，I_RC(x)表示补偿后红通道中x处的强度值，I_R(x)、I_B(x)分别表示水下图像I_c(x)的红通道和蓝通道中x处的强度值，

表示水下图像I_c(x)的蓝通道和红通道的均值，α为常数；为了避免红通道过补偿现象，只对红通道较小强度像素进行补偿；

同理可对绿通道进行颜色补偿：

其中，I_GC(x)表示补偿后绿通道中x处的强度值，I_G(x)、I_B(x)分别表示水下图像I_c(x)的绿通道和蓝通道中x处的强度值，

分别表示水下图像I_c(x)的蓝通道和红通道的均值，α为常数；

步骤2：经过颜色衰减补偿后的图像为I_c'(x)；由于水下图像中任意一点，其像素强度与周围像素点会随着图像模糊度增大而逐渐接近。故本发明中，基于图像模糊度得到透射率

估计，利用图像I_c'(x)各像素点的强度值与其高斯滤波后的结果之差来估计该图像I_c'(x)的图像模糊度，即模糊度图^[1]：

其中，Blur(x)表示图像I_c'(x)的x点处的模糊图，n为常数，Y(x)表示图像I_c'(x)中x点处的亮度值，G^k,σ表示核为k×k，方差为σ²的高斯滤波器，令k＝σ＝2ⁱn+1，n＝4；

对得到的图像模糊度进行最大值滤波，得到透射率

步骤3：Wen等人^[2]通过对水下成像特性的深入研究,在简化的Jaffe-McGlamery模型基础上，给出一种水下成像新模型：在式(5)所示的水下成像模型的基础上，并基于式(6)所示的水下红通道先验，通过式(7)与式(8)的计算，最终得到式(9)中透射率

估计；

式(5)中，

表示红、绿、蓝三通道，

表示水下图像I_c(x)对应的通道，

表示恢复后的水下图像即清晰图像对应的通道，

表示对应通道的透射率，

表示对应通道的散射率,即

对应通道的水下背景光强度；

在此模型基础上，针对水下图像特点，本发明使用红通道先验估计透射率算法作为多模式透射率估计其中之一。红通道先验算法^[3]如下：

式(6)中，J^RCP(x)为恢复后的水下图像，Ω(x)以像素点x为中心的局部块，R,G,B分别表示图像的红通道、绿通道和蓝通道，J(y,R)、J(y,G)、J(y,B)分别表示图像的红通道图、绿通道图和蓝通道图；

为了减弱红通道衰减对透射率估计的影响，结合式(5)成像模型可得：

式(7)中，t^β(x)为透射率，t^α(x)表示衰减率，即1-t^β(x)；A_R是红通道的水下背景光强度，A_G是绿通道的水下背景光强度，A_B是蓝通道的水下背景光强度；

对式(7)两边同时取最小化运算：

得到基于水下红通道先验的透射率

估计：

步骤4：基于水下最大红通道先验得到透射率

估计，最大红通道先验水对光具有选择性吸收的作用，水体对光的吸收作用随着波长的增加而不断增强，由于红通道波长最长所以衰减最为强烈，且吸收作用随着传播距离的增加而增强。因此，距离相机越近的场景点含有更多的红通道信息，对应的该点的红通道强度值越大^[4]，则透射率

表示为：

步骤5：为了实现透射率信息互补，本发明提出自适应判别水下图像的特征，求得最终红通道的透射率

估计：

式(11)中，ω＝S(arg(A_c),0.5)，υ＝S(arg(I^r),0.1)，S(x,y)＝[1+e^-32(x-y)]^-1，arg表示平均值；由式(11)得出：

当arg(A_c)＜＜0.5且arg(I^r)＞＞0.1，即背景光较暗但是红通道衰减较小时，ω≈0,υ≈1，则使用透射率

估计透射率

当arg(A_c)＞＞0.5且arg(I^r)＞＞0.1，即背景光较亮且红通道衰减较弱时，ω≈1,υ≈1，则使用透射率

估计透射率

当arg(I^r)＜＜0.1，即红通道衰减十分严重时，υ≈0，则使用透射率

估计透射率

故对水下图像进行处理时，自适应判别水下图像的特征，更为准确地对透射率进行估计，提高水下图像复原效果。

步骤6：通过步骤5求得红通道的透射率

然后用衰减系数的比值求得其他两个通道的透射率：

式(12)中，k∈{G,B}表示蓝、绿通道，

表示对应通道的透射率，

是通过式(11)求得的红通道透射率，衰减系数比为：

式(13)中，m＝-0.00113,i＝1.62517,λ表示波长，λ^R表示红通道波长；

步骤7：背景光应来自场景无穷远处，景深越大，透射率越小。图像模糊度能较好的反映出图像的真实场景深度，对步骤二得到的模糊度图，即图像I_c'(x)进行四次循环分块，每次均选择均值和方差最小的块，然后，将最终得到的模糊度块对应到水下图像I_c(x)对应的位置，最后，求得的各通道的均值即为各通道的背景光估计值；

在第一次分块操作中，为了避免人工光源对背景光估计的影响，只使用图像I_c'(x)的上半部分，且在后续分块中，为去除噪声和图像中白色物体对背景光估计的影响，只对均值和标准差最小的块进行下一轮分块操作；

步骤8：根据步骤3中式(5)的水下成像模型并利用背景光估计和三通道透射率估计即可得到最终的清晰图像J^RCP(x)。

下面结合具体实例对本发明的有效性进行验证。

(1)主观效果对比：

为了说明本发明通过与主流算法的对比可以发现算法的有效性，与目前主流的算法方法进行对比。图1至图3分别是本发明清晰化方法与基于暗通道先验的复原方法(He etal，DCP)、基于红通道先验的复原算法(Galdran et al,RCP)、基于模糊特征的复原方法(Peng et al,Blur)和基于水下融合先验的复原算法(Gaya et al,Fusion)的效果对比结果图。

图1是针对水下图像Divers的清晰化效果对比图；其中，(a)是水下图像Divers原图，(b)是经过DCP方法清晰化的效果，(c)是经过RCP方法清晰化的效果，(d)是经过Blur方法清晰化的效果，(e)是经过Fusion方法清晰化的效果，(f)是经过本发明方法清晰化的效果；

图2是针对水下图像Buddha的清晰化效果对比图；其中，(a)是水下图像Buddha原图，(b)是经过DCP方法清晰化的效果，(c)是经过RCP方法清晰化的效果，(d)是经过Blur方法清晰化的效果，(e)是经过Fusion方法清晰化的效果，(f)是经过本发明方法清晰化的效果；

图3是针对水下图像Stone的清晰化效果对比图；其中，(a)是水下图像Stone原图，(b)是经过DCP方法清晰化的效果，(c)是经过RCP方法清晰化的效果，(d)是经过Blur方法清晰化的效果，(e)是经过Fusion方法清晰化的效果，(f)是经过本发明方法清晰化的效果。

通过与现有技术中主流方法的对比可以发现，本发明方法的处理效果普遍要优于当前的主流复原方法，特别是对于浑浊度较高的水下图像和含有人工光源的图像而言，本发明方法能很好地处理三通道透射率估计不准确带来的色偏问题，同时增强图像对比度，恢复出更多的细节信息。

(2)客观性能对比：

为客观评价本发明算法，使用一种鲁棒的色偏检测方法说明彩色图像色偏情况。计算的K值^[5]越大，表示图像色偏越严重。

其中，mean_a，mean_b分别表示Lab颜色空间中a，b两个分量的均值，M_a,M_b分别表示a,b两个分量的平均差，σ²为L分量的方差，Thres为阈值，H,W为图像的分辨率。

与此同时，使用Lab颜色空间的L分量计算图像的对比度C，C越大说明图像细节越清晰。

其中，num表示L分量分块数目，N_i为第i个L分量块的像素数，Lb_i(x)表示第i个L分量块中像素点x的像素值，Lb_i为第i个L分量块的均值。表1为各方法相关指标对比。

表1

综上，本发明的水下图像清晰化处理方法可以有效地处理含有人工光源或浑浊度较高的水下图像，复原得到的结果颜色自然，细节清晰。

尽管上面结合附图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以做出很多变形，这些均属于本发明的保护之内。

Claims (1)

1.一种基于自适应透射率估计的水下图像清晰化方法，其特征在于，首先，对于输入的水下图像的各通道分别进行颜色衰减补偿；其次，分别基于图像模糊度、水下红通道先验和水下最大红通道先验得到三种透射率估计；然后，自适应判别水下图像的特征，根据得到的三种透射率估计求得最终的透射率估计；最后，根据水下成像模型并利用估计得到的水下背景光和最终的透射率估计恢复出清晰的复原结果；具体步骤如下：

步骤1：输入的水下图像为I_c(x)，对该水下图像为I_c(x)的各通道分别进行颜色衰减补偿，步骤包括：首先，由蓝绿通道均值判定水下图像I_c(x)的基调颜色，然后，基于该基调对应的颜色通道对其他两通道进行颜色补偿；

如图像的基调颜色为蓝色，则通过式(1)对红通道进行颜色衰减补偿：

其中，I_RC(x)表示补偿后红通道中x处的强度值，I_R(x)、I_B(x)分别表示水下图像I_c(x)的红通道和蓝通道中x处的强度值，

表示水下图像I_c(x)的蓝通道和红通道的均值，α为常数；为了避免红通道过补偿现象，只对红通道较小强度像素进行补偿；

同理可对绿通道进行颜色补偿：

其中，I_GC(x)表示补偿后绿通道中x处的强度值，I_G(x)、I_B(x)分别表示水下图像I_c(x)的绿通道和蓝通道中x处的强度值，

分别表示水下图像I_c(x)的蓝通道和红通道的均值，α为常数；

步骤2：经过颜色衰减补偿后的图像为I_c'(x)；基于图像模糊度得到透射率

估计，利用图像I_c'(x)各像素点的强度值与其高斯滤波后的结果之差来估计该图像I_c'(x)的图像模糊度：

其中，Blur(x)表示图像I_c'(x)的x点处的模糊度，n为常数，Y(x)表示图像I_c'(x)中x点处的亮度值，G^k,σ表示核为k×k，方差为σ²的高斯滤波器，令k＝σ＝2ⁱn+1，n＝4；

对得到的图像模糊度进行最大值滤波，得到透射率

步骤3：在式(5)所示的水下成像模型的基础上，并基于式(6)所示的水下红通道先验，通过式(7)与式(8)的计算，最终得到式(9)中透射率

估计；

式(5)中，

表示红、绿、蓝三通道，

表示水下图像I_c(x)对应的通道，

表示恢复后的水下图像即清晰图像对应的通道，

表示对应通道的透射率，

表示对应通道的散射率,即

对应通道的水下背景光强度；

式(6)中，J^RCP(x)为恢复后的水下图像，Ω(x)以像素点x为中心的局部块，R,G,B分别表示图像的红通道、绿通道和蓝通道，J(y,R)、J(y,G)、J(y,B)分别表示图像的红通道图、绿通道图和蓝通道图；

结合式(5)成像模型得：

式(7)中，t^β(x)为透射率，t^α(x)表示衰减率，即1-t^β(x)；A_R是红通道的水下背景光强度，A_G是绿通道的水下背景光强度，A_B是蓝通道的水下背景光强度；

对式(7)两边同时取最小化运算：

得到基于水下红通道先验的透射率

估计：

步骤4：基于水下最大红通道先验得到透射率

估计，对应距离相机越近的场景点的红通道强度值越大，则透射率

表示为：

步骤5：自适应判别水下图像的特征，求得最终红通道的透射率

估计：

式(11)中，ω＝S(arg(A_c),0.5)，υ＝S(arg(I^r),0.1)，S(x,y)＝[1+e^-32(x-y)]^-1，arg表示平均值；由式(11)得出：

当arg(A_c)＜＜0.5且arg(I^r)＞＞0.1，即背景光较暗但是红通道衰减较小时，ω≈0,υ≈1，则使用透射率

估计透射率

当arg(A_c)＞＞0.5且arg(I^r)＞＞0.1，即背景光较亮且红通道衰减较弱时，ω≈1,υ≈1，则使用透射率

估计透射率

当arg(I^r)＜＜0.1，即红通道衰减十分严重时，υ≈0，则使用透射率

估计透射率

步骤6：通过步骤5求得红通道的透射率

然后用衰减系数的比值求得其他两个通道的透射率：

式(12)中，k∈{G,B}表示蓝、绿通道，

表示对应通道的透射率，

是通过式(11)求得的红通道透射率，衰减系数比为：

式(13)中，m＝-0.00113,i＝1.62517,λ表示波长，λ^R表示红通道波长；

步骤7：对图像I_c'(x)进行四次循环分块，每次均选择均值和方差最小的块，然后，将最终得到的模糊度块对应到水下图像I_c(x)对应的位置，最后，求得的各通道的均值即为各通道的背景光估计值；

在第一次分块操作中，为了避免人工光源对背景光估计的影响，只使用图像I_c'(x)的上半部分，且在后续分块中，为去除噪声和图像中白色物体对背景光估计的影响，只对均值和标准差最小的块进行下一轮分块操作；

步骤8：根据步骤3中式(5)的水下成像模型并利用背景光估计和三通道透射率估计得到清晰图像J^RCP(x)。

Images