【图像评价】基于色偏和能见度退化测量的水下彩色图像质量评估附Matlab代码

✅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

🍊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

一、引言：水下彩色图像质量评估 —— 水下探测与应用的 “视觉基准”

在海洋资源勘探、水下考古、生物观测、水下机器人作业等领域，水下彩色图像是获取水下环境信息、实现目标识别的核心载体。例如，海洋生物学家通过水下图像分析珊瑚礁健康状态，水下考古人员借助图像定位文物位置，水下机器人依赖图像完成管道检测与维护。

然而，水下环境的特殊性导致彩色图像极易出现质量退化：水体对红光、绿光、蓝光的吸收与散射差异，使图像产生严重色偏（如近岸浅水区图像偏蓝绿，深水区域图像偏蓝甚至发黑）；悬浮颗粒物对光线的散射作用，导致图像能见度降低（目标边缘模糊、细节丢失、背景浑浊）。这些退化问题不仅影响视觉观感，更会导致目标识别准确率下降（如将海藻误判为珊瑚）、测量误差增大（如文物尺寸估算偏差），严重制约水下应用的可靠性。

传统图像质量评估方法（如峰值信噪比 PSNR、结构相似性 SSIM）多针对通用图像设计，未充分考虑水下图像 “色偏主导、能见度退化显著” 的特点，评估结果与主观视觉感受偏差较大。为此，本文提出基于色偏与能见度退化测量的水下彩色图像质量评估模型：通过量化色偏程度与能见度退化水平，构建多维度评估指标体系，实现 “客观测量 - 主观感知一致” 的水下图像质量评价，为水下图像增强算法优化、成像设备选型提供科学依据。

二、水下彩色图像的质量退化特征与评估难点

要理解色偏与能见度退化测量的价值，需先明确水下彩色图像的退化机制与评估核心挑战：

（一）水下彩色图像的核心退化特征

水下彩色图像的质量退化源于 “水体光吸收” 与 “水体光散射” 两大物理过程，直接表现为色偏与能见度退化，具体特征如下：

1. 色偏特征：

• 选择性吸收导致色偏：水体对不同波长光线的吸收系数差异显著（红光吸收系数最大，蓝光最小），例如在 10 米水深，红光衰减率超 80%，绿光衰减率约 50%，蓝光衰减率仅 20%，导致图像中红色信息缺失，呈现 “蓝绿色调主导” 的色偏；

• 光源与水深影响色偏程度：自然光照射下，浅水区（<5 米）因红光保留较多，色偏较轻微（偏绿）；深水区（>20 米）因仅蓝光穿透，色偏严重（深蓝甚至单色）；人工光源（如 LED 灯）下，若光源光谱不完整（如缺少红光成分），会加剧色偏（如图像偏冷蓝）。

1. 能见度退化特征：

• 前向散射导致细节模糊：悬浮颗粒物（如泥沙、浮游生物）对光线的前向散射，使目标发出的光线偏离原传播方向，导致图像中目标边缘 “虚化”，细节（如生物纹理、文物纹路）丢失；

• 后向散射导致背景浑浊：水体中颗粒物对环境光的后向散射，形成 “背景噪声”，使图像整体亮度不均（如近镜头区域亮、远处区域暗），能见度范围缩小（如原本 10 米可见的目标，退化后仅 5 米内可辨）；

• 退化程度与水体类型相关：清澈海水（悬浮颗粒物浓度 <10mg/L）的能见度退化较轻微，浑浊淡水（如河流、湖泊，浓度> 50mg/L）的能见度退化显著，图像甚至出现 “雾状模糊”。

（二）水下图像质量评估的核心难点

1. 色偏量化难：传统色偏评估（如灰度世界假设偏差）未考虑水下光谱特性，例如将 “蓝绿色偏” 简单归为色偏异常，忽略深水区蓝光主导是水体物理特性导致的 “合理偏差”，易误判评估结果；

1. 能见度与主观感知匹配难：能见度退化涉及 “细节丢失”“背景浑浊”“对比度下降” 等多维度，单一指标（如边缘强度）无法全面反映主观感知，例如某图像边缘清晰但背景浑浊，主观评价差但边缘强度指标高；

1. 评估泛化性差：不同水体（海水、淡水、 brackish 水）的退化机制差异大，针对海水设计的评估模型，在浑浊淡水图像上的评估误差显著增大；

1. 缺乏标准数据集支撑：现有水下图像数据集多为特定场景（如浅海珊瑚），缺乏覆盖不同水深、水体类型、目标类型的标准化样本，难以验证评估模型的通用性。

（三）传统评估方法的局限性

1. 通用图像质量指标（PSNR、SSIM）：

• PSNR 基于像素灰度误差计算，未考虑颜色信息，无法评估色偏；SSIM 虽考虑结构相似性，但对水下图像的 “模糊 - 细节丢失” 敏感度过低，例如两张能见度差异显著的图像，SSIM 值可能接近；

• 依赖 “参考图像”（即无退化的理想图像），但水下场景中难以获取理想参考图像（如深海环境无法拍摄无退化图像），实用性受限。

1. 单一色偏评估方法（如白平衡偏差）：

• 基于 “图像应满足灰度世界” 的假设，不适用于水下场景，例如深水区图像本身呈蓝色，按灰度世界校正后反而出现 “红色溢出”，评估色偏时会误判为 “色偏改善”；

• 仅量化整体色偏，无法区分 “水体固有色偏”（如蓝光主导）与 “异常色偏”（如设备故障导致的红光缺失）。

1. 单一能见度评估方法（如对比度拉伸程度）：

• 仅关注对比度，忽略背景浑浊与细节丢失，例如通过对比度拉伸提升图像亮度后，对比度指标改善，但背景浑浊未解决，主观能见度感知仍差；

• 对 “雾状模糊” 图像的评估失效，此类图像对比度均匀但能见度极低，对比度指标无法反映退化程度。

⛳️ 运行结果

📣 部分代码

m);

disp('===========================');

disp(' proposed result: ');

disp([' proposed score = ' num2str(quality_score, '%0.4f')]);

disp('===========================');

disp(' UIQM result: ');

disp([' UIQM score = ' num2str(uiqm_score, '%0.4f')]);

disp('===========================');

disp(' UCIQE result: ');

disp([' UCIQE score = ' num2str(uciqe_score, '%0.4f')]);

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌟 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌟图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌟 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化

🌟 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、

🌟 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌟 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌟电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化

🌟 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌟 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌟 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇

5 往期回顾扫扫下方二维码