水下图像质量评价研究综述
Abstract
水体对光的选择性吸收与多重散射以及悬浮颗粒的复杂作用，使水下图像普遍存在色偏、对比度下降、雾化、细节模糊和噪声等复合退化，严重制约了其在海洋探测、生态监测、水下作业机器人等场景中的应用效果。水下图像质量评价（UIQA）作为连接水下成像机理、图像增强算法与下游视觉任务的关键环节，对于客观衡量图像可用性、指导增强方法优化以及保障任务可靠性具有基础性意义。本文围绕UIQA领域的发展脉络开展系统综述：首先从水下光学成像模型出发，分析不同退化类型的物理成因及其感知表现；其次梳理现有主客观质量评价指标及其统计特性，总结主流数据库在规模、标注方式与应用定位上的差异；在此基础上，对传统特征建模方法、深度学习方法、物理模型融合方法以及面向任务的效用驱动评价框架进行分类评述，重点讨论排序学习、多维质量建模、注意力与状态空间模型等新型技术在UIQA中的应用进展。最后，从跨域泛化、主观一致性、可解释性以及“人类感知—机器任务”统一评价等角度分析当前挑战，并对面向真实海洋环境的质量评价体系发展趋势进行展望。本文提及的算法、数据集和评估指标已汇总至https：//github.com/OUC-AI/UIQA。
Fields of Study & Subjects
Image and Video Quality Assessment
Image Enhancement Techniques
Water Quality Monitoring Technologies
Publication details
- Journal / source
- Journal of Image and Graphics
- Volume
- 0
- Issue
- 0
- Pages
- 1–24
- Publication date
- 1 January 2026
- Language
- EN