基于Contourlet变换和多尺度Rentinex的水下图像增强算法

资 源 简 介

基于Contourlet变换和多尺度Rentinex的水下图像增强算法

详 情 说 明

水下图像常常面临颜色失真、低对比度和细节模糊等问题。针对这些挑战，结合Contourlet变换和多尺度Rentinex的增强算法展现出显著优势。

Contourlet变换擅长捕捉图像中的几何结构特征，能够有效分离不同方向的边缘和纹理信息。其多尺度分解特性允许算法在不同分辨率下分别处理图像的高频细节和低频背景成分。

多尺度Rentinex模型则模仿人眼视觉特性，通过光照补偿和反射分量调整来恢复图像的自然色彩。该模型能自适应调节不同区域的亮度范围，从而解决水下环境导致的色偏问题。

算法首先通过Contourlet变换分解图像，在变换域中对不同子带进行对比度拉伸和噪声抑制。接着应用多尺度Rentinex进行色彩校正，最后重建图像。这种联合处理方式既保留了边缘锐度，又实现了全局色彩均衡，特别适用于复杂水下场景的清晰化需求。