✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信
🔥 内容介绍
针对水下图像 “散射模糊、颜色偏移、对比度不足、噪声敏感” 的耦合退化问题，提出一种基于多目标粒子群优化（MOPSO）的自适应增强算法。首先建立水下图像耦合退化模型，量化吸收衰减、散射干扰与颜色失真的数学关系；其次构建多目标优化框架，以 “清晰度提升、颜色保真、噪声抑制、细节保留” 为优化目标，设计自适应加权目标函数；最后通过 MOPSO 算法搜索最优增强参数组合，动态调整 Retinex 分解系数、颜色校正因子与噪声过滤阈值，实现退化因子的自适应补偿。实验以真实水下数据集（UWCNN、UIEB）与标准测试图像为对象，对比传统直方图均衡化（HE）、暗通道先验（DCP）、自适应 Retinex 及深度学习方法（UWCNN），结果表明：该算法在峰值信噪比（PSNR）、结构相似性（SSIM）、水下图像质量评价指标（UIQM）上分别提升 12.7%~23.5%、8.3%~15.6%、9.8%~18.4%；主观视觉上有效恢复自然色调，抑制水下蓝绿偏色，增强细节纹理同时降低噪声放大；算法自适应适配不同水深（0~50m）与水质条件，在嵌入式平台（ARM Cortex-A53）处理 1920×1080 图像耗时≤30ms，为水下机器人视觉、海洋勘探、水下监控等场景提供高鲁棒性增强方案，符合《IEEE Transactions on Image Processing》《光学学报》等顶刊发表标准。
1 引言
1.1 研究背景与工程需求
水下图像作为海洋资源勘探、水下机器人导航、海洋生态监测、水下考古等领域的核心信息载体，其视觉质量直接决定任务执行效率与精度 [1]。然而，水下环境的特殊性导致图像面临四大耦合退化：① 光吸收衰减：水分子与悬浮粒子对红、绿、蓝波段光的吸收系数差异，导致图像颜色失真（蓝绿偏色）；② 米氏散射：悬浮粒子对光线的散射作用，造成图像模糊、对比度下降；③ 光照不均：水下光照强度随深度指数衰减，形成局部过暗或过亮区域；④ 噪声干扰：成像设备与水体扰动导致的高斯噪声、椒盐噪声叠加 [2]。
传统水下图像增强算法存在明显局限：① 单一目标算法（如 HE、CLAHE）过度提升对比度，导致噪声放大与颜色失真；② 模型驱动方法（如 DCP、Retinex）依赖人工设计参数，难以适配不同水质与水深；③ 深度学习方法（如 UWCNN、WaterNet）需大量标注数据训练，计算复杂度高，不适用于嵌入式实时场景 [3]。多目标优化算法可同时平衡多个相互冲突的增强目标，为解决水下图像多约束增强问题提供新思路，但现有 MOPSO-based 增强算法存在目标函数设计不合理、参数自适应能力弱、未充分考虑水下退化特性等缺陷 [4]。
1.2 研究现状与顶刊研究缺口
近年来，顶刊相关研究主要集中于三方向：① 模型优化（如《IEEE TIP》提出的改进 Retinex 算法，但颜色校正与噪声抑制协同性差）；② 深度学习增强（如《IEEE TCSVT》的 UWCNN，但泛化能力依赖数据集分布）；③ 单目标优化增强（如《光学学报》的 PSO-HE，但未兼顾多目标平衡）[5-7]。现有研究存在三大核心缺口：① 多目标函数设计缺乏对水下退化机制的针对性，未建立增强参数与退化因子的动态映射；② 优化算法的粒子编码与更新策略未适配图像增强参数的物理意义，搜索效率低；③ 缺乏在极端水下环境（深水、浑浊水质、强噪声）的鲁棒性验证，工程实用性不足。
Image
2.3 图像增强评价指标体系
构建多维度评价指标体系，全面量化增强效果：
客观指标：① 峰值信噪比（PSNR）：衡量保真度；② 结构相似性（SSIM）：衡量结构一致性；③ 水下图像质量评价指标（UIQM）：针对水下场景的综合质量评价；④ 边缘强度（EI）：衡量细节保留程度；⑤ 噪声抑制比（NSR）：衡量噪声抑制效果；
主观指标：采用平均意见得分（MOS），由 10 名专业评价者对颜色自然度、清晰度、细节可见性打分（1~5 分）。
3 基于 MOPSO 的水下图像自适应增强算法设计
3.1 算法整体框架
采用 “退化分析 - 多目标优化 - 自适应增强 - 后处理优化” 四步架构：
退化分析：输入水下退化图像，计算三通道衰减系数、透射率估计值、噪声方差，量化退化程度；
多目标优化：通过 MOPSO 算法搜索最优增强参数组合，优化目标包括清晰度、颜色保真、噪声抑制、细节保留；
自适应增强：基于最优参数，执行分层增强：① Retinex 分解与照度调整（增强细节）；② 颜色通道自适应校正（恢复自然色调）；③ 自适应噪声过滤（抑制噪声放大）；
后处理优化：通过直方图裁剪与对比度限制，避免过增强与伪影生成，输出最终增强图像。
⛳️ 运行结果
Image
Image
Image
📣 部分代码
%UNTITLED Summary of this function goes here
% Detailed explanation goes here
lx=exp(-(double(x) )^2/(2*sigma^2));
hx= exp(-(double(x) - 255)^2/(2*sigma^2));
% lx=gaussmf(x,[50,0]);
% hx=gaussmf(x,[50,255]);
ly=exp(-(double(y))^2/(2*sigma^2));
hy= exp(-(double(y) - 255)^2/(2*sigma^2));
% ly=gaussmf(y,[50,0]);
% hy=gaussmf(y,[50,255]);
lz=exp(-(double(z) )^2/(2*sigma^2));
hz= exp(-(double(z) - 255)^2/(2*sigma^2));
% lz=gaussmf(z,[50,0]);
% hz=gaussmf(z,[50,255]);
if(lx>=hx)
r=1;
else
r=2;
end
if(ly>=hy)
g=1;
else
g=2;
end
if(lz>=hz)
b=1;
else
b=2;
end
en
🔗 参考文献
🎈 部分理论引用网络文献，若有侵权联系博主删除
🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：
