水下视频处理

水下视频处理

水下图像/视频增强

关于视频处理实时性问题，大多数算法是全局性处理，比如直方图均衡化、AHE、 CLAHE、灰度世界等算法实时性相对来说比较好。但是一些复杂算法比如对比度拉伸、完美反射白平衡算法、SSR、MSRCR等算法，实时性较差（20帧/秒）。水下视频更是如此，如果一些视频缺少颜色信息需要补偿，实时性更差。
现如今，图像评价分为客观评价与主观评价，客观评价有水下图像颜色质量评价（UCIQE）、水下图像质量测量（UIQM）、峰值信噪比（PSNR）、图像信息熵(entropy)、结构性相似评价（Structural Similarity）、等效圆偏色检测。主观评价没有统一标准，而且客观评价高不一定效果好。
大多数水下图像是在没有持续光照的情况下拍摄的，图像是在前景和明亮区域拍摄的背景黑暗区域。 准确地说，光源附近的区域是不是比那些远离光线的区域更亮。 在进一步处理之前，必须确定图像的明暗区域。 因此，在处理图像过程中，应将明亮和黑暗的区域结合到一起考虑 。
一个区域物体的高能见度表明该区域细节较高，而一个区域内的物体的低能见度表明该区域细节较低。 这种现象反映了熵的价值。当熵值较高时，某一特定区域的可见性水平为高，而低熵值表示能见度低的区域。 因此, 高熵值与低熵值对应的是亮区和暗区图像。因此，作为图像预处理的第一阶段，对图像进行预处理图像边界处的熵是确定的。 熵是衡量图像细节的丰富性。 熵是一个图像信息的丰度，值越高，则更多的信息出现在图像中。 熵的公式为

视频处理之前，将视频每一帧分割成为子图像，然后判断子图像的熵，确定图像阈值，将图像分为亮区与暗区，处理亮区，最后拼接。
水下视频实时性处理一点思路，仅供参考。