水下退化图像恢复技术：研究现状与未来趋势

查富生; 吕品; 郭伟; 王鹏飞; 孙立宁

doi:10.13471/j.cnki.acta.snus.ZR20250138

您当前的位置：

首页 >

文章列表页 >

水下退化图像恢复技术：研究现状与未来趋势

机器人视觉感知与控制（组稿人：袁小芳） | 更新时间：2026-01-19

- 水下退化图像恢复技术：研究现状与未来趋势
- Underwater image restoration technology： Current research status and future trends
- 中山大学学报(自然科学版)(中英文) 2026年65卷第1期页码：1-12
- 作者机构：
  
  哈尔滨工业大学 / 机器人技术与系统国家重点实验室，黑龙江哈尔滨 150001
- 作者简介：
  
  查富生（1974年生），男；研究方向：水下机器人感知；E-mail： zhafusheng@hit.edu.cn
- 基金信息：
  
  国家重点研发计划(2022YFB4601800)
- DOI：10.13471/j.cnki.acta.snus.ZR20250138
  中图分类号： P74
- 收稿：2025-07-22，
  
  修回：2025-08-26，
  
  录用：2025-09-03，
  
  网络首发：2025-09-23，
  
  纸质出版：2026-01-25
- 稿件说明：
移动端阅览
查富生,吕品,郭伟等.水下退化图像恢复技术：研究现状与未来趋势[J].中山大学学报(自然科学版)(中英文),2026,65(01):1-12.

ZHA Fusheng,LÜ Pin,GUO Wei,et al.Underwater image restoration technology： Current research status and future trends[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2026,65(01):1-12.
查富生,吕品,郭伟等.水下退化图像恢复技术：研究现状与未来趋势[J].中山大学学报(自然科学版)(中英文),2026,65(01):1-12. DOI： 10.13471/j.cnki.acta.snus.ZR20250138.

ZHA Fusheng,LÜ Pin,GUO Wei,et al.Underwater image restoration technology： Current research status and future trends[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2026,65(01):1-12. DOI： 10.13471/j.cnki.acta.snus.ZR20250138.

摘要

高质量的水下视觉图像输入先验信息对于水下机器人完成多种作业任务至关重要。文中首先分析水下图像退化成因，从原理上解释常见的图像退化类型，并引出了退化恢复的两种途径：水下图像增强和水下相机标定。其次，系统梳理了水下图像增强方法的研究现状、现有水下数据集以及水下图像质量评价体系。随后，总结了水下相机标定方法及其优点与不足。最后，对水下退化恢复技术的未来研究趋势进行综述，涉及增强算法的鲁棒性和泛化能力、多传感器融合与高级视觉任务集成等领域。

Abstract

High-quality underwater visual image input prior information is crucial for underwater robots to accomplish various operational tasks. This paper first analyzes the causes of underwater image degradation，explaining different types of common image degradation from theoretical principles， and introduces two approaches to degradation recovery：underwater image enhancement and underwater camera calibration. Secondly， it systematically reviews the current research status of underwater image enhancement methods，existing underwater datasets，and underwater image quality evaluation systems. Subsequently，it summarizes underwater camera calibration methods， along with their advantages and limitations. Finally， the paper presents future research trends in underwater degradation recovery technology，including the robustness and generalization capability of enhancement algorithms， multi-sensor fusion， and integration with high-level vision tasks.

关键词

Keywords

references

陈少佳， 2017 . 基于折射模型的水下双目视觉系统标定方法的研究［D］. 秦皇岛：燕山大学 .

陈旭阳，贺昱曜，宗瑞良，等， 2019 . 基于光线折射模型的水下图像转换算法研究［J］. 西北工业大学学报， 37 （ 3 ）： 471 - 478 .

田会娟，蔡敏鹏，关涛，等， 2020 . 基于YCbCr颜色空间的Retinex低照度图像增强方法研究［J］. 光子学报， 49 （ 2 ）： 167 - 178 .

仝灼银，赵连玉，李学平，等， 2017 . 基于不同颜色模型对比度校正的水下降质图像处理［J］. 天津理工大学学报， 33 （ 3 ）： 20 - 25 .

魏郭依哲，陈思遥，刘玉涛，等， 2021 . 水下图像增强和修复算法综述［J］. 计算机应用研究， 38 （ 9 ）： 2561 - 2569+2589 .

向丹，周泽彬，高攀， 2025 . 水下图像增强研究进展综述［J/OL］. 量子电子学报 .（ 2025-07-02 ）［ 2025-07-22 ］. https：//kns.cnki.net/kns8s/AdvSearch？crossids=YST T4HG0%2CLSTPFY1C%2CJUP3MUPD%2CMPMFIG1A%2CWQ0UVIA A%2CBLZOG7CK%2CPWFIRAGL%2CEMRPGLPA%2CNLBO1Z6R%2CNN3FJMUV https://kns.cnki.net/kns8s/AdvSearch?crossids=YSTT4HG0%2CLSTPFY1C%2CJUP3MUPD%2CMPMFIG1A%2CWQ0UVIAA%2CBLZOG7CK%2CPWFIRAGL%2CEMRPGLPA%2CNLBO1Z6R%2CNN3FJMUV .

杨润，刘增力，赵宣植， 2024 . 基于颜色校正和暗亮双通道先验的水下图像增强算法［J］. 红外技术， 46 （ 9 ）： 984 - 993 .

岳成海，徐会希，吕凤天，等， 2025 . 基于光照补偿与金字塔融合的水下图像增强方法［J］. 水下无人系统学报， 33 （ 1 ）： 46 - 55 .

张文明，王鑫，张强，等， 2013 . 基于粒子群标定的多介质折射成像定位算法［J］. 光学学报， 33 （ 5 ）： 171 - 176 .

ABDUL GHANI A S ， 2018 . Image contrast enhancement using an integration of recursive-overlapped contrast limited adaptive histogram specification and dual-image wavelet fusion for the high visibility of deep underwater image ［J］. Ocean Eng ， 162 ： 224 - 238 .

AGRAWAL A ， RAMALINGAM S ， TAGUCHI Y ， et al ， 2012 . A theory of multi-layer flat refractive geometry ［C］// IEEE Conference on Computer Vision and Pattern Recognition . Providence， RI， USA ： 3346 - 3353 .

ANCUTI C ， ANCUTI C O ， HABER T ， et al ， 2012 . Enhancing underwater images and videos by fusion ［C］// IEEE Conference on Computer Vision and Pattern Recognition . Providence， RI， USA ： 81 - 88 .

BERMAN D ， LEVY D ， AVIDAN S ， et al ， 2020 . Underwater single image color restoration using haze-lines and a new quantitative dataset ［J］. IEEE Trans Pattern Anal Mach Intell ， 43 （ 8 ）： 2822 - 2837 .

BI X ， WANG P ， GUO W ， et al ， 2024 . RGB/Event signal fusion framework for multi-degraded underwater image enhancement ［J］. Front Mar Sci ， 11 ： 1366815 .

BI X ， WANG P ， WU T ， et al ， 2022 . Non-uniform illumination underwater image enhancement via events and frame fusion ［J］. Appl Opt ， 61 （ 29 ）： 8826 - 8832 .

BONIN F ， BURGUERA A ， OLIVER G ， 2011 . Imaging systems for advanced underwater vehicles ［J］. J Marit Res ， 8 ： 65 - 86 .

BUCHSBAUM G ， 1980 . A spatial processor model for object colour perception ［J］. J Frankl Inst ， 310 （ 1 ）： 1 - 26 .

CARLEVARIS-BIANCO N ， MOHAN A ， EUSTICE R M ， 2010 . Initial results in underwater single image dehazing ［C］// Oceans 2010 MTS/IEEE . Seattle， WA， USA ： 1 - 8 .

CHANG L ， SONG H ， LI M ， et al ， 2023 . UIDEF：A real-world underwater image dataset and a color-contrast complementary image enhancement framework ［J］. ISPRS J Photogramm Remote Sens ， 196 ： 415 - 428 .

CHEN X ， YANG Y H ， 2014 . Two-view camera housing parameters calibration for multi-layer flat refractive interface ［C］// IEEE Conference on Computer Vision and Pattern Recognition . Columbus， OH， USA ： 524 - 531 .

CHIANG J Y ， CHEN Y C ， 2011 . Underwater image enhancement by wavelength compensation and dehazing ［J］. IEEE Trans Image Process ， 21 （ 4 ）： 1756 - 1769 .

CUTTER G ， STIERHOFF K ， ZENG J ， 2015 . Automated detection of rockfish in unconstrained underwater videos using haar cascades and a new image dataset：Labeled fishes in the wild ［C］// IEEE Winter Applications and Computer Vision Workshops . Waikoloa， HI， USA ： 57 - 62 .

DAI C ， LIN M ， WANG J ， et al ， 2019 . Dual-purpose method for underwater and low-light image enhancement via image layer separation ［J］. IEEE Access ， 7 ： 178685 - 178698 .

DESAI C ， TABIB R A ， REDDY S S ， et al ， 2021 . RUIG：Realistic underwater image generation towards restoration ［C］// IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops . Nashville，TN，USA ： 2181 - 2189 .

FABBRI C ， ISLAM M J ， SATTAR J ， 2018 . Enhancing underwater imagery using generative adversarial networks ［C］// International Conference on Robotics and Automation . Brisbane， QLD， Australia ： 7159 - 7165 .

FERREIRA R ， COSTEIRA J P ， SANTOS J A ， 2005 . Stereo reconstruction of a submerged scene ［C］// Pattern Recognition and Image Analysis . Berlin，Heidelberg ： Springer： 102 - 109 .

GALDRAN A ， PARDO D ， PICÓN A ， et al ， 2015 . Automatic red-channel underwater image restoration ［J］. J Vis Commun Image Represent ， 26 ： 132 - 145 .

GEDGE J ， GONG M ， YANG Y H ， 2011 . Refractive epipolar geometry for underwater stereo matching ［C］// 2011 Canadian Conference on Computer and Robot Vision . John’s， NL， Canada ： 146 - 152 .

GU C ， CONG Y ， SUN G ， et al ， 2022 . MedUCC：Medium-driven underwater camera calibration for refractive 3-D reconstruction ［J］. IEEE Trans Syst Man Cybern Syst ， 52 （ 9 ）： 5937 - 5948 .

GU K ， ZHAI G ， YANG X ， et al ， 2015 . Using free energy principle for blind image quality assessment ［J］. IEEE Trans Multimed ， 17 （ 1 ）： 50 - 63 .

HAN P ， LIU F ， YANG K ， et al ， 2017 . Active underwater descattering and image recovery ［J］. Appl Opt ， 56 （ 23 ）： 6631 - 6638 .

HE K ， SUN J ， TANG X ， 2009 . Single image haze removal using dark channel prior ［C］// IEEE Conference on Computer Vision and Pattern Recognition . Miami， FL， USA ： 1956 - 1963 .

HU H ， ZHAO L ， LI X ， et al ， 2018 . Underwater image recovery under the nonuniform optical field based on polarimetric imaging ［J］. IEEE Photonics J ， 10 （ 1 ）： 6900309 .

HUMMEL R ， 1977 . Image enhancement by histogram transformation ［J］. Comput Graph Image Process ， 6 （ 2 ）： 184 - 195 .

IQBAL M ， RIAZ M M ， SOHAIB ALI S ， et al ， 2020 . Underwater image enhancement using Laplace decomposition ［J］. Geosci Remote Sens Lett ， 19 ： 1500105 .

ISLAM M J ， LUO P ， SATTAR J ， 2020a . Simultaneous enhancement and super-resolution of underwater imagery for improved visual perception ［J］. arXiv： 2002.01155 .

ISLAM M J ， XIA Y ， SATTAR J ， 2020b . Fast underwater image enhancement for improved visual perception ［J］. IEEE Robot Autom Lett ， 5 （ 2 ）： 3227 - 3234 .

JOBSON D J ， RAHMAN Z ， WOODELL G A ， 1997a . Properties and performance of a center/surround retinex ［J］. IEEE Trans Image Process ， 6 （ 3 ）： 451 - 462 .

JOBSON D J ， RAHMAN Z ， WOODELL G A ， 1997b . A multiscale retinex for bridging the gap between color images and the human observation of scenes ［J］. IEEE Trans Image Process ， 6 （ 7 ）： 965 - 976 .

JU M ， DING C ， GUO Y J ， et al ， 2019 . IDGCP： Image dehazing based on gamma correction prior ［J］. IEEE Trans Image Process ， 29 ： 3104 - 3118 .

KWON Y ， CASEBOLT J B ， 2006 . Effects of light refraction on the accuracy of camera calibration and reconstruction in underwater motion analysis ［J］. Phys Biomech ， 5 （ 2 ）： 315 - 340 .

LI C ， ANWAR S ， HOU J ， et al ， 2021 . Underwater image enhancement via medium transmission-guided multi-color space embedding ［J］. IEEE Trans Image Process ， 30 ： 4985 - 5000 .

LI C ， GUO C ， REN W ， et al ， 2019 . An underwater image enhancement benchmark dataset and beyond ［J］. IEEE Trans Image Process ， 29 ： 4376 - 4389 .

LI J ， SKINNER K A ， EUSTICE R M ， et al ， 2018 . WaterGAN：Unsupervised generative network to enable real-time color correction of monocular underwater images ［J］. IEEE Robot Autom Lett ， 3 （ 1 ）： 387 - 394 .

LI X ， YANG Z ， SHANG M ， et al ， 2016 . Underwater image enhancement via dark channel prior and luminance adjustment ［C］// Oceans 2016 MTS/IEEE . Shanghai，China ： 1 - 5 .

LIU C ， LI H ， WANG S ， et al ， 2021 . A dataset and benchmark of underwater object detection for robot picking ［C］// IEEE International Conference on Multimedia & Expo Workshops . Shenzhen， China ： 1 - 6 .

LIU R ， FAN X ， ZHU M ， et al ， 2020 . Real-world underwater enhancement：Challenges，benchmarks，and solutions under natural light ［J］. IEEE Trans Circuits Syst Video Technol ， 30 （ 12 ）： 4861 - 4875 .

LUAN X ， HOU G ， SUN Z ， et al ， 2014 . Underwater color image enhancement using combining schemes ［J］. Mar Technol Soc J ， 48 （ 3 ）： 57 - 62 .

LV P ， ZHA F ， WANG X ， et al ， 2025 . UMIENet：Underwater image enhancement based on multi-degradation knowledge integration ［J］. Opt Lasers Eng ， 193 ： 109069 .

MA K ， LIU W ， LIU T ， et al ， 2017 . dipIQ： Blind image quality assessment by learning-to-rank discriminable image pairs ［J］. IEEE Trans Image Process ， 26 （ 8 ）： 3951 - 3964 .

McGLAMERY B L ， 1980 . A computer model for underwater camera systems ［C］// DUNTLEY S Q . Ocean Optics Ⅵ ， 0208 ： 221 - 231 .

MELINE A ， TRIBOULET J ， JOUVENCEL B ， 2010 . A camcorder for 3D underwater reconstruction of archeological objects ［C］// Oceans 2010 MTS/IEEE . Seattle， WA， USA ： 1 - 9 .

MENNA F ， NOCERINO E ， TROISI S ， et al ， 2013 . A photogrammetric approach to survey floating and semi-submerged objects ［C］// Videometrics， Range Imaging， and Applications Ⅻ；and Automated Visual Inspection. Munich， Germany ： 87910H .

MERCADO M A ， ISHII K ， AHN J ， 2017 . Deep-sea image enhancement using multi-scale retinex with reverse color loss for autonomous underwater vehicles ［C］// Oceans 2017 MTS/IEEE . Anchorage， AK， USA ： 1 - 6 .

MITTAL A ， MOORTHY A K ， BOVIK A C ， 2012 . No-reference image quality assessment in the spatial domain ［J］. IEEE Trans Image Process ， 21 （ 12 ）： 4695 - 4708 .

MUNIRAJ M ， DHANDAPANI V ， 2023 . Underwater image enhancement by modified color correction and adaptive Look-Up-Table with edge-preserving filter ［J］. Signal Process Image Commun ， 113 ： 116939 .

NAMER E ， SHWARTZ S ， SCHECHNER Y Y ， 2009 . Skyless polarimetric calibration and visibility enhancement ［J］. Opt Express ， 17 （ 2 ）： 472 - 493 .

PANETTA K ， GAO C ， AGAIAN S ， 2016 . Human-visual-system-inspired underwater image quality measures ［J］. IEEE J Ocean Eng ， 41 （ 3 ）： 541 - 551 .

PENG L ， ZHU C ， BIAN L ， 2023 . U-shape transformer for underwater image enhancement ［J］. IEEE Trans Image Process ， 32 ： 3066 - 3079 .

PENG Y T ， CHEN Y R ， CHEN Z ， et al ， 2022 . Underwater image enhancement based on histogram-equalization approximation using physics-based dichromatic modeling ［J］. Sensors ， 22 （ 6 ）： 2168 .

PIZER S M ， AMBURN E P ， AUSTIN J D ， et al ， 1987 . Adaptive histogram equalization and its variations ［J］. Comput Vis Graph Image Process ， 39 （ 3 ）： 355 - 368 .

QIU C ， WU Z ， KONG S ， et al ， 2021 . An underwater micro cable-driven pan-tilt binocular vision system with spherical refraction calibration ［J］. IEEE Trans Instrum Meas ， 70 ： 5010813 .

ROSER M ， DUNBABIN M ， GEIGER A ， 2014 . Simultaneous underwater visibility assessment， enhancement and improved stereo ［C］// International Conference on Robotics and Automation . Hong Kong， China ： 3840 - 3847 .

SCHECHNER Y Y ， KARPEL N ， 2005 . Recovery of underwater visibility and structure by polarization analysis ［J］. IEEE J Ocean Eng ， 30 （ 3 ）： 570 - 587 .

SHORTIS M ， HARVEY E ， ABDO D ， 2009 . A review of underwater stereo-image measurement for marine biology and ecology applications ［J］. Oceanogr Mar Biol ， 47 ： 257 - 292 .

SONG W ， WANG Y ， HUANG D ， et al ， 2018 . A rapid scene depth estimation model based on underwater light attenuation prior for underwater image restoration ［C］// Advances in Multimedia Information Processing-PCM 2018 . Cham ： Springer： 678 - 688 .

SONG W ， WANG Y ， HUANG D ， et al ， 2020 . Enhancement of underwater images with statistical model of background light and optimization of transmission map ［J］. IEEE Trans Broadcast ， 66 （ 1 ）： 153 - 169 .

TAN C ， SEET G ， SLUZEK A ， et al ， 2005 . A novel application of range-gated underwater laser imaging system（ULIS） in near-target turbid medium ［J］. Opt Lasers Eng ， 43 （ 9 ）： 995 - 1009 .

TANG Y ， IWAGUCHI T ， KAWASAKI H ， et al ， 2022 . AutoEnhancer：Transformer on U-Net architecture search for underwater image enhancement ［C］// Computer Vision-ACCV 2022 / 2023 . Cham ： Springer： 120 - 137 .

TREIBITZ T ， SCHECHNER Y Y ， 2009 . Active polarization descattering ［J］. IEEE Trans Pattern Anal Mach Intell ， 31 （ 3 ）： 385 - 399 .

TSAI D Y ， LEE Y ， MATSUYAMA E ， 2008 . Information entropy measure for evaluation of image quality ［J］. J Digit Imaging ， 21 （ 3 ）： 338 - 347 .

WANG H ， SUN S ， BAI X ， et al ， 2023a . A reinforcement learning paradigm of configuring visual enhancement for object detection in underwater scenes ［J］. IEEE J Ocean Eng ， 48 （ 2 ）： 443 - 461 .

WANG H ， SUN S ， REN P ， 2023b . Meta underwater camera：A smart protocol for underwater image enhancement ［J］. ISPRS J Photogramm Remote Sens ， 195 ： 462 - 481 .

WANG N ， ZHOU Y ， HAN F ， et al ， 2019 . UWGAN： Underwater GAN for real-world underwater color restoration and dehazing ［J］. arXiv： 1912.10269 .

WANG S ， MA K ， YEGANEH H ， et al ， 2015 . A patch-structure representation method for quality assessment of contrast changed images ［J］. IEEE Signal Process Lett ， 22 （ 12 ）： 2387 - 2390 .

WANG Y ， GUO J ， GAO H ， et al ， 2021 . UIEC^2-Net：CNN-based underwater image enhancement using two color space ［J］. Signal Process Image Commun ， 96 ： 116250 .

WANG Z ， BOVIK A C ， SHEIKH H R ， et al ， 2004 . Image quality assessment：From error visibility to structural similarity ［J］. IEEE Trans Image Process ， 13 （ 4 ）： 600 - 612 .

YAKHDANI M F ， AZIZI A ， 2010 . Quality assessment of image fusion techniques for multisensor high resolution satellite images ［EB/OL］. https：//www.researchgate.net/publication/267365639_Quality_assessment_of_image https://www.researchgate.net/publication/267365639_Quality_assessment_of_image .

YANG M ， SOWMYA A ， 2015 . An underwater color image quality evaluation metric ［J］. IEEE Trans Image Process ， 24 （ 12 ）： 6062 - 6071 .

ZHANG X S ， GAO S B ， LI R X ， et al ， 2016 . A retinal mechanism inspired color constancy model ［J］. IEEE Trans Image Process ， 25 （ 3 ）： 1219 - 1232 .

ZHU J ， 2025 . CENet：Color selection and edge enhancement network for underwater image enhancement ［C］// The 5th International Conference on Electronic Technology，Communication and Information . Changchun， China ： 170 - 175 .

ZHU J Y ， PARK T ， ISOLA P ， et al ， 2017 . Unpaired image-to-image translation using cycle-consistent adversarial networks ［C］// International Conference on Computer Vision . Venice， Italy ： 2242 - 2251 .

ZUIDERVELD K ， 1994 . Contrast limited adaptive histogram equalization ［M］. Graphics Gems Ⅵ. USA ： Academic Press：474- 485 .

浏览量

308

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于深度学习的多亚型腹膜后软组织肉瘤诊断

深度学习赋能波束管理：现状、挑战与机遇

面向工业互联网的语义编码传输方法及应用

基于深度学习与多源遥感数据的新增建设用地自动检测

温升荷载下带裂工作的纵连板轨道温度力研究