基于Retinex的水下图像增强方法，旨在消除由水下图像捕捉的色彩失真和光线散射，从而提高水下图像的可视性。 Retinex是一个计算机视觉的概念，它模仿人类视觉系统如何处理图像。Retinex理论认为，我们视觉系统中的颜色感知是通过分离物体表面反射的光照和物体本身的颜色来实现的。 在水下增强中，Retinex算法通过利用输入图像中颜色分布的特征，来估计传播距离，然后通过对输入图像进行多次滤波得到输出图像。这个过程中，Retinex算法使用了多个高斯滤波器，这些滤波器具有不同的尺度和方向，以增强输入图像的各个部分。 简单来说，该方法通过对水下图像进行多次滤波，以逐步去除光照和颜色间的相互影响，更好地还原图像本身的颜色和细节。 Retinex增强方法已经被成功的应用于水下遥感和水下摄影等方面，可以有效地改善水下图像质量。

一篇水下图像增强的文章，作者天大的，发表于信号处理快报

为解决水下图像的分割问题，在李纯明模型（Li模型）和Chan-Vese模型（C-V模型）的基础上提出了指定目标的分割方法和多灰度目标的分割方法。对于指定灰度目标的分割方法，在C-V模型基础上加入了小范围的距离约束项，使其具有了局部性，可在多灰度目标中分割出预期目标；对于多灰度目标的分割方法，在李纯明方法的基础上加入了边缘定位函数作为其内部能量项，其对多灰度目标分割结果较好，且抗噪性较好。最后通过实验证明本文2种方法对水下多灰度目标图像的分割是有效的。

基于色彩校正和非局部先验的水下图像恢复

为提升水下图像的视觉效果, 提出了基于红色暗通道先验(RDCP)和逆滤波的水下图像复原算法。该算法首先简化Jaffe-McGlamery水下光学成像模型, 在此基础上, 利用RDCP消除水下成像过程中后向散射引起的图像雾化效果；然后结合各通道透射率图与光学传递函数的数学关系, 采用逆滤波去除前向散射分量；最后采用基于高斯分布的线性拉伸提高图像对比度。使用该算法与几种主流的水下图像处理算法对多种水下环境拍摄得到的图像进行处理, 并计算信息熵等客观评价指标。实验结果表明, 该算法能够更好地平衡图像的色度、对比度及饱和度, 视觉效果更接近自然场景下的图像。

水下图像增强matlab代码 UnderWater Image Enhancement Matlab code mine2.m

基于融合算法的水下图像增强，林森，迟凯晨，水下光学图像深受水体对光吸收和散射的影响，往往存在噪声干扰多、纹理特征模糊、照明光斑、对比度低以及颜色失真等诸多问题。为

包含综述有关水下图像增强方向，受水下光传播过程中的衰减和散射的影响，在纯水区域中，水下能见度一般为20m，在浑浊海水中的能见度一般只有 5m。因此，需要对水下图像进行处理

对水下模糊的图像用偏振的物理方法实现去雾的matlab代码，附水下图片

这个数据集还比较新