水面波动和水体湍流退化图像的复原方法

鲁啸天, 杨天鸣, 金伟其, 刘敬, 温仁杰

鲁啸天, 杨天鸣, 金伟其, 刘敬, 温仁杰. 水面波动和水体湍流退化图像的复原方法[J]. 应用光学, 2017, 38(1): 42-55. DOI: 10.5768/JAO201738.0102002
引用本文: 鲁啸天, 杨天鸣, 金伟其, 刘敬, 温仁杰. 水面波动和水体湍流退化图像的复原方法[J]. 应用光学, 2017, 38(1): 42-55. DOI: 10.5768/JAO201738.0102002
Lu Xiaotian, Yang Tianming, Jin Weiqi, Liu Jing, Wen Renjie. Correction methods for water fluctuation and underwater turbulence degraded imaging[J]. Journal of Applied Optics, 2017, 38(1): 42-55. DOI: 10.5768/JAO201738.0102002
Citation: Lu Xiaotian, Yang Tianming, Jin Weiqi, Liu Jing, Wen Renjie. Correction methods for water fluctuation and underwater turbulence degraded imaging[J]. Journal of Applied Optics, 2017, 38(1): 42-55. DOI: 10.5768/JAO201738.0102002

水面波动和水体湍流退化图像的复原方法

基金项目: 

国家自然科学基金重点项目 61231014

面上项目 61575023

总装预研基金 9140A02060415BQ01005

详细信息
    作者简介:

    鲁啸天(1988-),男,吉林长春人,博士研究生,主要从事光电偏振成像、图像处理等方面的研究。E-mail:821404732@qq.com

    通讯作者:

    金伟其(1961-),男,上海人,教授,博士生导师,主要从事光电图像处理、夜视与红外技术、光电检测与仪器等方面的研究。E-mail:jinwq@bit.edu.cn

  • 中图分类号: TN911.73

Correction methods for water fluctuation and underwater turbulence degraded imaging

  • 摘要: 水面波动对水下图像造成的畸变和水体湍流造成的模糊等严重制约了空中对水下目标探测、水下透空目标警戒、海上搜救等的应用,实现畸变和湍流校正具有重要的意义。综述了复原水面波动和水体湍流引起的图像失真的研究进展,给出了基于幸运块(lucky patch)选择的校正、基于图像配准的校正、基于水面波形估计的校正和基于图像退化模型的校正四大类方法的特点及典型的图像复原效果,并分析了复原水面波动和水体湍流退化图像复原方法进一步深入研究的内容。
    Abstract: Underwater image suffers from distortions and blurs due to water fluctuations and underwater turbulence that restricts the development of underwater surveillance, underwater target alert in the air, maritime search severely. The realization of distortion and turbulence correction has great significance. Most recent developments for the degraded image by water fluctuations and underwater turbulence are reviewed in this paper, and four methods and typical image restoration results based on lucky patch, image registration, water-waveestimation and image degradation model are summarized accordingly. Further research directions for restoring underwater degraded image are analyzed at the end of the paper.
  • 航空侦查具有实时性好、机动灵活等优点,是目前各国主要军事侦查手段之一。航空相机按照成像原理可分为画幅式、推扫式与全景式3种。全景式航空相机利用普通视场角的物镜通过前方的反射镜摆扫,即能实现特宽视野的摄影。与画幅式、推扫式航空侦查相机相比,具有地面覆盖范围广、体积小、可大角度倾斜摄影等优点。全景式航空侦查相机在国内外应用广泛,如美国的KA-112A、KS146等。

    任何被探测的目标都处在一定背景之中,目标的属性和功能决定了它与背景之间存在的差异,这种差异使得目标被各种侦查设备发现。由于目标和背景在不同的光谱探测下会表现出不同的光学特征,随着军事伪装、隐身技术的飞速发展,采用单一谱段的航空侦查相机识别目标的难度越来越大,而多光谱相机可以极大提高识别目标的能力。国外很早就开展了多波段光学系统的研制[1],目前应用较为广泛的是具有全天候侦察能力的可见光/红外航空侦察相机。国内对于可见光/红外双波段成像技术[2-4]的研究起步较晚,研究多集中在有限焦距的光学系统方面,关于可见光/红外双波段双视场光学系统的研究鲜有报道。双视场的航空侦查相机可以满足不同飞行高度对地面覆盖范围的需求,也可实现大视场搜索捕获目标、小视场精确观察目标。由于双视场相机结构复杂,会带来光学系统透过率低、装调难度大、可靠性低,故以往飞机吊舱多采用同时挂载单一大、小视场相机的方式。但这种方式存在体积大、质量大、高成本的弊端。随着光电探测器件的发展,器件的感光能力获得极大提升,大大降低了对光学系统透过率的要求。本文采用在光路中切入切出一片无光焦度的平面反射镜来连通、遮挡变倍组从而实现变倍的方式,与以往轴向移动或切入切出透镜组的变倍方式相比,大大降低了光学系统的装调难度。

    综上所述,本文设计了一种应用于全景航空侦查相机的可见光/红外双视场成像光学系统。该光学系统具有体积小、质量轻、低成本、易于装调等优点。

    通过有限焦距光学系统前面加一个望远系统实现变倍,光路中采用切入切出一片平面反射镜来遮挡或连通望远系统,合成后等效系统的焦距[5]

    $$ f' = rf{'_1} $$ (1)

    式中:f′为组合系统的焦距;r为前面望远系统的角放大率;f′1为有限焦距系统的焦距。上式表明在一个有限焦距的光学系统之前加一个角放大率为r的望远系统时,整个系统的焦距为原有限焦距系统焦距的r倍。

    系统光焦度分配[6]满足:

    $$ \mathop \Sigma \limits_{i = 1}^{n + m} {h_i} + {\phi _i} = \left( {1/\beta } \right)\phi $$ (2)

    式中:ϕ是整个光学系统的光焦度;ϕi是第i个薄透镜的光焦度;hi是入射近轴光线高度;n为不含望远系统的透镜片数;m为望远系统的透镜片数;β为望远系统的垂轴放大率。

    望远系统有开普勒式和伽利略式两种最基本形式,其中开普勒式由正光焦度的物镜和目镜组成,物镜、目镜之间有实像面。伽利略式由正光焦度的物镜和负光焦度的目镜组成,物镜、目镜之间无实像面,结构相对开普勒式简单、紧凑。出于低成本、小型化的目的,本文望远系统采用伽利略式的结构形式。

    光学系统设计指标如表 1所示。

    表  1  光学系统设计指标
    Table  1.  Optical design parameters
    参数 红外 红外 可见光 可见光
    小视场系统 大视场系统 小视场系统 大视场系统
    波长/μm 3~5 3~5 0.4~0.7 0.4~0.7
    视场/(°) 2.1×1.6 8.3×6.2 2.3×1.7 9.1×6.8
    相对孔径 1:4 1:8.8
    焦距/mm 300 75 660 165
    变倍比 4×
    器件像元数/pixel 640×480 4 096×3 072
    像元尺寸/μm 15 6.4
    地物反射镜 ±5
    扫描角度/(°)
    下载: 导出CSV 
    | 显示表格

    光学系统结构型式有折射式、折反式及反射式3种[7]。折射式光学系统可以承担较大的视场角[7],折反式、全反射式光学系统只能承担较小的视场角度,但与折射式光学系统相比,折反式、全反射式可以压缩光路后部的光学元件尺寸,利于小型化。

    对设计指标进行分析,可见光、红外大视场系统视场角度过大;单一采用折反式、全反射式光学系统无法实现,若单一采用折射式光学系统,由于既透可见光又透中波红外的光学材料较少,不利于像差校正。此外透镜尺寸过大,不利于工艺性能。

    本文结合折射式、折反式光学系统的优点,通过合理布局,采用在光路中切入切出平面反射镜的方式,实现可见光、红外小视场光学系统结构型式为折反式,大视场光学系统时为折射式,适当采用平面反射镜折转光路以便进一步小型化。

    小视场光学系统原理如图 1所示,大视场光学系统原理如图 2所示。可见光、红外小视场光学系统中,通过地物扫描镜、卡式望远系统和分光镜把红外、可见光系统集成到一起。可见光、红外大视场光学系统中,通过切入大视场地物反射镜,遮挡光路前面光学元件输出的光线,同时镜筒绕光轴旋转180°对地面景物成像。

    图  1  小视场光学系统原理
    Figure  1.  Diagram of narrow FOV optical system
    图  2  大视场光学系统原理
    Figure  2.  Diagram of wide FOV optical system

    本方案的设计思想是先分开设计卡式伽利略望远系统、可见光大视场系统、红外大视场系统,然后再组合到一起进一步优化设计,利用高斯光学理论合理分配光焦度,计算好初始结构后,利用光学设计软件Zemax设定边界条件后对初始结构进行优化。由于机体内部有温控装置,故本光学系统仅考虑常温情况。

    卡式伽利略望远系统最初设想仅由主镜及次镜组成,但其与可见光大视场系统、红外大视场系统组合到一起进一步优化设计时,发现后面2个系统的光学元件尺寸太大,仅靠主镜、次镜无法获得满意的成像质量,故采用在主镜、次镜之间增加一次成像的方式来减小后部光学元件尺寸,再选用一个三片式透镜组把像投影到无穷远,使光路以平行光出射,同时增加三片式透镜组也可以进一步提高成像质量。三片式透镜组的透镜材料较难选取,在光学材料中,不仅要考虑材料的光学性能还要考虑理化性能,在光学系统的设计中必须同时兼顾。既透可见光又透中波红外的材料非常少,主要有ZnS、ZnSe、LiF、CaF2、BaF2等几种材料,在Zemax中把这几种材料建立一个单独的玻璃库,利用操作数进行色差、畸变等像差控制,然后利用“锤形优化”从建立的玻璃库中选择玻璃材料进行优化。最终选用氟化锂、氟化钡以及硫化锌,三片透镜外径均小于20 mm,材料成本低,易于采购,能够满足工程化需求,其材料性能如表 2所示。

    表  2  材料性能
    Table  2.  Characteristic of materials
    名称 光谱透过范围/μm 密度/(g/cm3) 硬度/克氏 热膨胀系数/10-6 溶解度/(g/100g水) 熔点/℃
    ZnSe 0.5~22 5.27 110 7.1 0 1 525
    LiF 0.1~10 2.639 102 37 2.7 870
    BaF2 0.23~10.3 4.89 82 1.81 1.7 1 280
    下载: 导出CSV 
    | 显示表格

    红外系统的透镜材料选用常用的单晶锗和硅,可见光系统的透镜材料均选自国内成都光明玻璃厂生产的频次高、性能优良的材料。为实现100%冷光阑效率,红外系统采用二次成像的方式[8-10],并限制出瞳位置,达到与冷屏窗口相匹配。为了减少透镜数量,提高透过率,获得满意的成像质量,卡式望远系统在透镜2、3的后表面引入高次非球面优化出射光角度差,红外系统在透镜4的后表面,透镜5、6的前表面引入高次非球面,用以平衡轴上球差及场曲。为便于轴外像差校正,大、小视场切换时孔径光阑的大小不发生变化,并兼顾光学系统前部、后部的光学元件尺寸,把红外系统和可见光系统的孔径光阑置于分光镜和折转平面镜之间。使用弯曲孔径光阑位置附近的透镜来校正轴上像差,同时光线入射角大的透镜表面使其弯向光阑,以减少高级像差。

    传递函数是最客观、最全面的光学系统性能评价手段,根据指标中红外器件及可见光器件的像元尺寸,计算出红外系统及可见光系统的奈奎斯特频率分别为33 lp/mm和91 lp/mm。图 4图 5分别给出了红外光学系统大、小视场的调制传递函数曲线。在33 lp/mm处,图 4轴上MTF值为0.35,轴外MTF值为0.28;图 5轴上MTF值为0.37,轴外MTF值为0.28。图 6图 7分别给出了可见光光学系统大、小视场的调制传递函数曲线。在91 lp/mm处,图 6轴上MTF值为0.41,轴外MTF值为0.32;图 7轴上MTF值为0.4,轴外MTF值为0.34。由图 4~图 7可以看出,红外系统及可见光系统在奈奎斯特频率下的MTF值均接近衍射极限,故成像质量良好。

    图  4  红外光学系统大视场传递函数曲线
    Figure  4.  Diagram of modulation transfer function of wide FOV optical system
    图  5  红外光学系统小视场传递函数曲线
    Figure  5.  Diagram of modulation transfer function of narrow FOV optical system
    图  6  可见光光学系统大视场传递函数曲线
    Figure  6.  Diagram of modulation transfer function of wide FOV optical system
    图  7  可见光光学系统小视场传递函数曲线
    Figure  7.  Diagram of modulation transfer function of narrow FOV optical system

    本文设计了一种应用于全景航空侦查相机的可见光/红外双视场成像光学系统,通过将光路合理布局,采用在光路中切入切出平面反射镜的方式,实现了可见光/红外双视场光学系统的变倍。根据光学设计指标,合理选择光学系统的结构型式并进行光路布局,设计的光学系统具有体积小、质量轻、成本低、易于装调等优点,设计结果表明,光学系统成像质量良好,可以满足实际使用需求。

  • 图  1   Alexei A. Efros算法的处理结果

    Figure  1.   Results of Alexei A. Efros algorithm

    图  2   Zhiying Wen算法的处理结果

    Figure  2.   Results of Zhiying Wen algorithm

    图  3   幸运块图像复原算法步骤

    Figure  3.   Steps of lucky patches algorithm

    图  4   两种光流法图像处理结果

    Figure  4.   Results of two optical flow algorithms

    图  5   STOIQ幸运块法与其他方法的比较

    Figure  5.   Comparison of STOIQ lucky patch between other algorithms

    图  6   两步法水面降质图像复原框图

    Figure  6.   Two-Stage reconstruction of underwater scene

    图  7   两步法图像复原效果

    Figure  7.   Results of Two-Stage

    图  8   水下场景恢复实验结果

    Figure  8.   Results of underwater scene restoration

    图  9   Kalyan K. Halder算法的处理结果

    Figure  9.   Results of Kalyan K. Halder algorithm

    图  10   Wenrui Hu算法的处理结果

    Figure  10.   Results of Wenrui Hu algorithm

    图  11   基于水面波形估计的双波段水下成像方法

    1.水表面;2.玻璃片;3.漫射光源(绿色);4.被测物体;5.平行光源(红色);6.相机

    Figure  11.   Dual band underwater imaging method based on water surface

    图  12   Iosif M. Levin方法处理的结果

    Figure  12.   Results of Iosif M. Levin algorithm

    图  13   Yuandong Tian算法处理结果

    Figure  13.   Results of Yuandong Tian algorithm

    图  14   单向循环波的情况

    Figure  14.   Presence of one-way circular ripples

    图  15   圆形波的情况

    Figure  15.   Circular ripples

    图  16   Camilo算法的处理结果

    Figure  16.   Results of Camilo algorithm

    图  17   SSIM度量和Weilin Hou提出的加权相干图像质量比较

    Figure  17.   Comparision with SSIM quality metric

    表  1   图 5中各方法的SSIM和NMI指数

    Table  1   SSIM and NMI index of each method in fig. 5

    均值图像 标准幸运块方法 两步法图像复原 盲解卷积发 双谱技术 STOIQ幸运块算法
    SSIM 0.18 0.13 0.23 0.2 0.21 0.26
    NMI 1.13 1.11 1.13 1.11 1.11 1.14
    下载: 导出CSV

    表  2   图 9中两种方法的MSE、PPSF和UIQI指数

    Table  2   MSE, PPSF and UIQI index of each method in fig. 9

    MSE PPSF UIQI
    文献[8]方法 0.025 7 0.121 4 0.664 4
    文献[17]方法 0.016 7 0.180 6 0.681 5
    下载: 导出CSV

    表  3   图 10中各方法的PSNR和MI指数

    Table  3   PSNR and MI index of each method in fig. 10

    砖块图像 中等字体图像 小字体图像 微小字体图像
    PSNR MI(10-4) PSNR MI(10-4) PSNR MI(10-4) PSNR MI(10-4)
    文献[18]方法 11.849 3 0.285 4 9.765 6 0.467 6 10.865 9 0.463 9.736 8 0.398 4
    文献[8]方法 10.988 9 0.263 6 9.483 1 0.459 3 9.936 6 0.398 2 9.243 9 0.332 1
    文献[19]方法 7.208 9 0.226 3 8.872 7 0.422 5 9.532 2 0.383 3 9.476 6 0.396 3
    下载: 导出CSV

    表  4   图 13中扭曲图像和处理后图像的均方误差MSE

    Table  4   MSE index of distorted images and processed images in Fig. 13

    扭曲图像 文献[21]方法
    微小字体 0.072 0.044 4
    小字体 0.102 9 0.046 1
    中等字体 0.155 1 0.059 7
    下载: 导出CSV

    表  5   图 14中各方法的PSNR、SSIM和NMI指数

    Table  5   PSNR, SSIM and MI index of each method in Fig. 14

    PSNR/dB SSIM NMI
    模糊图像 文献[19]算法 文献[8]算法 Karthik算法 模糊图像 文献[19]算法 文献[8]算法 Karthik算法 模糊图像 文献[19]算法 文献[8]算法 Karthik算法
    第1行图像 27.218 4 27.620 5 27.971 8 28.719 0.865 2 0.873 4 0.884 9 0.891 3 1.202 8 1.202 8 1.209 1.282 9
    第2行图像 27.042 1 23.349 4 22.053 1 25.412 2 0.688 1 0.759 0.789 2 0.850 6 1.235 4 1.246 3 1.243 7 1.261 7
    第3行图像 24.246 1 23.865 3 23.746 4 25.652 1 0.781 9 0.187 4 0.765 0.836 4 1.153 8 1.157 3 1.145 1.165
    第4行图像 23.505 1 23.349 4 23.399 5 24.714 2 0.819 8 0.876 6 0.886 8 0.914 1.170 7 1.148 8 1.170 7 1.180 2
    下载: 导出CSV

    表  6   图 15中各方法的PSNR、SSIM和NMI指数

    Table  6   PSNR, SSIM and MI index of each method in Fig. 15

    PSNR/dB SSIM NMI
    模糊图像 文献[19]算法 文献[8]算法 Karthik算法 模糊图像 文献[19]算法 文献[8]算法 Karthik算法 模糊图像 文献[19]算法 文献[8]算法 Karthik算法
    第1行图像 23.216 1 22.389 7 22.063 7 24.799 4 0.922 5 0.906 0.862 6 0.940 5 1.278 4 1.269 5 1.276 1.287 7
    第2行图像 26.435 3 25.171 8 24.634 2 27.259 6 0.936 6 0.939 0.903 4 0.940 1 1.307 3 1.294 7 1.280 9 1.380 4
    第3行图像 23.192 21.976 7 20.126 4 24.869 0.9454 0.932 5 0.879 7 0.952 1.307 2 1.308 1 1.309 1.313 3
    第4行图像 23.854 7 22.820 5 21.675 5 24.301 0.929 0.892 8 0.848 1 0.931 9 1.202 9 1.278 1.254 4 1.284 7
    下载: 导出CSV
  • [1]

    Efros A, Isler V, Shi J, et al. Seeing through water[J]. Advances in Neural Information Processing Systems, 2005, 17: 393-400. http://d.old.wanfangdata.com.cn/Periodical/zgmtjjxyxb200704024

    [2]

    Fried D L. Probability of getting a lucky short-exposure image through turbulence[J]. JOSA, 1978, 68(12): 1651-1657. doi: 10.1364/JOSA.68.001651

    [3]

    Kanaev A V, Hou W, Woods S. Multi-frame underwater image restoration[C]//SPIE Security Defence. New York: International Society for Optics and Photonics, 2011: 81850O-81850O-8. doi: 10.1117/12.898914.short?SSO=1

    [4]

    Kanaev A V, Hou W, Woods S, et al. Restoration of turbulence degraded underwater images[J]. Optical Engineering, 2012, 51(5): 057007-1-057007-9. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=1e3cb3cb0fe0d1653c18e6dadbd8872b

    [5]

    Kanaev A V, Hou W, Restaino S R, et al. Correction methods for underwater turbulence degraded imaging[C]//SPIE Remote Sensing. New York: International Society for Optics and Photonics, 2014: 92421P-92421P-9. doi: 10.1117/12.2066479.short

    [6]

    Kanaev A V, Hou W, Restaino S R, et al. Restoration of images degraded by underwater turbulence using structure tensor oriented image quality (STOIQ) metric[J]. Optics Express, 2015, 23(13): 17077-17090. doi: 10.1364/OE.23.017077

    [7]

    Vorontsov M A, Carhart G W. Anisoplanatic imaging through turbulent media: image recovery by local information fusion from a set of short-exposure images[J]. JOSA A, 2001, 18(6): 1312-1324. doi: 10.1364/JOSAA.18.001312

    [8]

    Oreifej O, Shu G, Pace T, et al. A two-stage reconstruction approach for seeing through water[C]//Computer Vision and Pattern Recognition (CVPR), 2011 IEEE Conference on. New York: IEEE, 2011: 1153-1160. https: //www.researchgate.net/publication/224254791_A_Two-Stage_Reconstruction_Approach_for_Seeing_Through_Water

    [9]

    Rueckert D, Sonoda L I, Hayes C, et al. Nonrigid registration using free-form deformations: application to breast MR images[J]. Medical Imaging, IEEE Transactions on, 1999, 18(8): 712-721. doi: 10.1109/42.796284

    [10] 李雄飞, 张存利, 李鸿鹏, 等.医学图像配准技术进展[J].计算机科学, 2010, 37(7): 27-33. doi: 10.3969/j.issn.1002-137X.2010.07.006

    Li Xiongfei, Zhang Cunli, Li Hongpeng, et al. Development of medical image registration technology[J]. Computer Science, 2010, 37(7): 27-33. doi: 10.3969/j.issn.1002-137X.2010.07.006

    [11] 王伟, 苏志勋.基于移动最小二乘法的医学图像配准[J].计算机科学, 2010, 37(9): 270-271. doi: 10.3969/j.issn.1002-137X.2010.09.067

    Wang Wei, Su Zhixun. Medical image registration based on moving least squares[J]. Computer Science, 2010, 37(9): 270-271. doi: 10.3969/j.issn.1002-137X.2010.09.067

    [12] 李磊, 王庆, 肖照林.一种基于视频的水下场景复原算法[J].系统仿真学报, 2012, 24(1):188-191. http://d.old.wanfangdata.com.cn/Conference/7571365

    Li Lei, Wang Qing, Xiao Zhaolin. Underwanter image restoration algorithm from distorted video[J]. Journal of System Simulation, 2012, 24(1):188-191. http://d.old.wanfangdata.com.cn/Conference/7571365

    [13]

    Donate A, Ribeiro E. Advances in computer graphics and computer vision[M]. Berlin: Springer Berlin Heidelberg, 2007: 264-277.

    [14] 张志强.一种对扭曲景象序列三维重建迭代方法[J].软件, 2013, 34(10): 100-105. doi: 10.3969/j.issn.1003-6970.2013.10.035

    Zhang Zhiqiang. A method to perform 3D reconstruction on distorted image serie[J]. Software, 2013, 34(10): 100-105. doi: 10.3969/j.issn.1003-6970.2013.10.035

    [15]

    Yang B, Zhang W, Xie Y, et al. Distorted image restoration via non-rigid registration and lucky-region fusion approach[C]//Information Science and Technology (ICIST), 2013 International Conference on. New York: IEEE, 2013: 414-418. https: //www.researchgate.net/publication/283486917_Distorted_image_restoration_via_non-rigid_registration_and_lucky-region_fusion_approach

    [16] 杨波, 张文生, 谢源.畸变环境下的序列图像融合技术研究[J].计算机科学, 2013, 40(10): 261-264. doi: 10.3969/j.issn.1002-137X.2013.10.055

    Yang Bo, Zhang Wensheng, Xie Yuan. Research on distortion-free fusion of sequence images[J]. Computer Science, 2013, 40(10): 261-264. doi: 10.3969/j.issn.1002-137X.2013.10.055

    [17]

    Halder K K, Tahtali M, Anavatti S G. High accuracy image restoration method for seeing through water[C]//SPIE Optical Engineering Applications. New York: International Society for Optics and Photonics, 2014: 921702-921702-6. https: //www.researchgate.net/publication/269098153_High_Accuracy_Image_Restoration_Method_for_Seeing_through_Water

    [18]

    Hua W, Xiea Y, Zhanga W, et al. Removing water fluctuation via motion field-based Kernel regression?[J]. Journal of Information & Computational Science, 2014, 11(15):5289-5296. http://d.old.wanfangdata.com.cn/NSTLQK/NSTL_QKJJ0235032165/

    [19]

    Tian Y, Narasimhan S G. Seeing through water: Image restoration using model-based tracking[C]//Computer Vision, 2009 IEEE 12th International Conference on. New York: IEEE, 2009: 2303-2310. https: //www.researchgate.net/publication/224136114_Seeing_through_water_Image_restoration_using_model-based_tracking

    [20]

    Tian Y, Narasimhan S G. A globally optimal data-driven approach for image distortion estimation[C]//Computer Vision and Pattern Recognition (CVPR), 2010 IEEE Conference on. New York: IEEE, 2010: 1277-1284. https: //www.researchgate.net/publication/221361890_A_Globally_Optimal_Data-Driven_Approach_for_Image_Distortion_Estimation

    [21]

    Tian Y, Narasimhan S G. Globally optimal estimation of nonrigid image distortion[J]. International Journal of Computer Vision, 2012, 98(3): 279-302. doi: 10.1007/s11263-011-0509-0

    [22]

    Wen Z, Lambert A, Fraser D, et al. Bispectral analysis and recovery of images distorted by a moving water surface[J]. Applied Optics, 2010, 49(33): 6376-6384. doi: 10.1364/AO.49.006376

    [23]

    Halder K K, Tahtali M, Anavatti S G. Artificial intelligence: methods and applications[M]. Berlin: Springer International Publishing, 2014: 384-394.

    [24]

    Zhang M, Lin X, Gupta M, et al. Computer vision-ECCV 2014[M]. Berlin: Springer International Publishing, 2014: 234-250.

    [25]

    Seemakurthy K, Rajagopalan A N. Deskewing of underwater images[J]. Image Processing, IEEE Transactions on, 2015, 24(3): 1046-1059. doi: 10.1109/TIP.2015.2395814

    [26]

    McGlamery B L. A computer model for underwater camera systems[J]. SPIE Ocean Optics, 1979, 208: 221-231. https://www.researchgate.net/publication/244953801_A_Computer_Model_For_Underwater_Camera_Systems

    [27]

    Jaffe J S.Computer modeling and the design of optimal underwaterimagingsystems[J]. IEEE Journal of Oceanic Engineering, 1990, 15(2): 101-111. doi: 10.1109/48.50695

    [28]

    Trucco E, Olmos-Antillon A T. Self-tuning underwater image restoration[J]. IEEE Journal of Oceanic Engineering, 2006, 31(2): 511-519. doi: 10.1109/JOE.2004.836395

    [29]

    Sanchez-Ferreira C, Ayala H V H, Coelho L S. Multi-objective differential evolution algorithm for underwater image restoration[C]//2015 IEEE Congress on Evolutionary Computation. New York: IEEE, 2015: 243-250 https: //www.researchgate.net/publication/301287353_Multi-objective_differential_evolution_algorithm_for_underwater_image_restoration

    [30]

    Hou W, Weidemann A D. Objectively assessing underwater image quality for the purpose of automated restoration[C]//Defense and Security Symposium. New York: International Society for Optics and Photonics, 2007: 65750Q-65750Q-7. https: //www.researchgate.net/publication/235125922_Objectively_Assessing_Underwater_Image_Quality_for_the_Purpose_of_Automated_Restoration

    [31]

    Hou W, Woods S, Goode W, et al. Impacts of optical turbulence on underwater imaging[C]//SPIE Defense, Security, and Sensing. New York: International Society for Optics and Photonics, 2011: 803009-803009-7. https: //www.researchgate.net/publication/253507134_Impacts_of_optical_turbulence_on_underwater_imaging

    [32]

    Hou W W. A simple underwater imaging model[J]. Optics Letters, 2009, 34(17): 2688-2690. doi: 10.1364/OL.34.002688

    [33]

    Hou W, Woods S, Jarosz E, et al. Optical turbulence on underwater image degradation in natural environments[J]. Applied Optics, 2012, 51(14): 2678-2686. doi: 10.1364/AO.51.002678

    [34]

    Hou W, Goode W, Kanaev A. Underwater image quality degradation by scattering[C]//OCEANS, 2012-Yeosu. New York: IEEE, 2012: 1-5. https: //ieeexplore.ieee.org/document/6263409

    [35]

    Sun D, Roth S, Black M J. Secrets of optical flow estimation and their principles[C]//Computer Vision and Pattern Recognition (CVPR), 2010 IEEE Conference on. New York: IEEE, 2010: 2432-2439. https: //www.researchgate.net/publication/221364345_Secrets_of_Optical_Flow_Estimation_and_Their_Principles

    [36]

    Brox T, Bruhn A, Papenberg N, et al. High accuracy optical flow estimation based on a theory for warping[C]//European Conference on Computer Vision. Berlin: Springer Berlin Heidelberg, 2004: 25-36. doi: 10.1007%2F978-3-540-24673-2_3

    [37]

    Lin Z, Chen M, Ma Y. The augmented lagrange multiplier method for exact recovery of corrupted low-rank matrices[J/OL]. arXiv, 2010, 1009:5055. http://d.old.wanfangdata.com.cn/OAPaper/oai_arXiv.org_1009.5055

    [38]

    Rueckert D, Sonoda L I, Hayes C, et al. Nonrigid registration using free-form deformations: application to breast MR images[J]. IEEE Transactions on Medical Imaging, 1999, 18(8): 712-721. doi: 10.1109/42.796284

  • 期刊类型引用(11)

    1. 吴雄雄,王惠林,宁飞,张文博,刘吉龙,王明超. 大气湍流对航空光电侦察图像质量影响因素分析. 应用光学. 2022(01): 1-8 . 本站查看
    2. 宋治杭,张晋,朱亮,林丹丹,杜欣悦,林宇. 红外搜索跟踪系统的虚警率降低方法. 红外技术. 2022(04): 371-376 . 百度学术
    3. 吴雄雄,栾亚东,王惠林,郑凤翥,王明超,马莉,吴珧瑞. 航空光电成像系统像移补偿技术研究. 应用光学. 2022(03): 424-429 . 本站查看
    4. 王惠林,刘吉龙,吴雄雄,栾亚东. 航空光电侦察图像质量影响因素分析. 应用光学. 2021(05): 817-829 . 本站查看
    5. 张洪伟,丁亚林,马迎军,陈卫宁. 红外双波段双视场成像告警系统设计. 光学精密工程. 2020(06): 1283-1294 . 百度学术
    6. 路文文,陈善勇,翟德德,熊玉朋. 混合仿生鱼眼-复眼的广角高清成像系统. 应用光学. 2019(02): 311-315 . 本站查看
    7. 李飞,王铎. 大气传输对红外导引头性能影响研究. 光电技术应用. 2019(01): 21-24 . 百度学术
    8. 李成勇,应春霞,胡晶晶. 穿透毛玻璃的可见光成像系统. 应用光学. 2019(03): 416-421 . 本站查看
    9. 唐中剑,林嘉雯,李成勇. 白光LED室内可见光通信测距研究. 激光杂志. 2019(09): 121-124 . 百度学术
    10. 王业顺,沈建新. 广域视网膜成像技术研究. 应用光学. 2018(01): 35-39 . 本站查看
    11. 吉紫娟,包佳祺,尹娟娟. 指纹及手指静脉图像复合采集光学系统设计. 应用光学. 2017(05): 770-776 . 本站查看

    其他类型引用(4)

图(17)  /  表(6)
计量
  • 文章访问数:  743
  • HTML全文浏览量:  224
  • PDF下载量:  61
  • 被引次数: 15
出版历程
  • 收稿日期:  2016-09-18
  • 修回日期:  2016-11-15
  • 刊出日期:  2016-12-31

目录

/

返回文章
返回