基于TV-Hilbert分解与结构引导自适应融合的水下图像增强方法
伦梦瑶 李碧原

天津职业技术师范大学 电子工程学院，天津，300222；

摘要：水下介质中的光散射效应会引起严重的颜色失真和结构模糊，从而给水下视觉感知带来较大挑战。传统基于分解的增强方法在处理复杂振荡纹理时，往往难以实现准确分离，并且在全局分量融合过程中容易放大背景噪声。针对上述问题，本文提出一种基于 TV-Hilbert 分解与结构引导自适应融合的水下图像增强方法。首先，构建 TV-Hilbert 变分模型，利用负 Sobolev 空间范数对亮度通道进行精细解耦，将其分解为结构卡通层、振荡纹理层和高频细节层，同时引入轻量级 冲击滤波机制，以动态增强纹理边界清晰度。其次，为克服固定权重重组带来的噪声放大问题，设计了一种基于梯度信息的结构引导自适应融合策略。该策略通过构建空间注意映射，自适应分配不同区域的增强增益，在突出前景目标结构清晰度的同时，有效抑制背景水体噪声。最后，结合物理颜色补偿与 HSV 空间饱和度激励，实现了水下图像色彩与细节的协同恢复。基于基准数据集的实验结果表明，所提方法在客观评价指标和主观视觉效果方面均优于多种现有先进方法。

关键词：水下图像增强；TV-Hilbert 分解；结构引导融合；变分模型；空间自适应

参考文献

[1]严浙平, 曲思瑜, 邢文. 水下图像增强方法研究综述[J]. 智能系统学报, 2022, 17(5): 860-873.

[2] 欧阳, 黄建峰, 袁容. 基于深度多先验学习的水下图像增强模型[J]. Laser & Optoelectronics Progress, 2024, 61(22): 2237005-2237005-6.欧阳, 黄建峰, 袁容. 基于深度多先验学习的水下图像增强模型[J]. Laser & Optoelectronics Progress, 2024, 61(22): 2237005-2237005-6.

[3] 李云, 孙山林, 黄晴, 等. 基于多路混合注意力机制的水下图像增强网络[J]. 电子与信息学报, 2024, 46(1): 118-128.