论文地址：http://www.cjig.cn/html/jig/2020/7/20200708.htm#byang2015
Lab是一种不常用的色彩空间。它是一种设备无关的颜色系统，也是一种基于生理特征的颜色系统。这也就意味着，它是用数字化的方法来描述人的视觉感应。Lab颜色空间中的L分量用于表示像素的亮度，取值范围是[0,100],表示从纯黑到纯白；a表示从红色到绿色的范围，取值范围是[127,-128]；b表示从黄色到蓝色的范围，取值范围是[127,-128]。下图所示为Lab颜色空间的图示； LAB中的明度通道（L）专门负责整张图的明暗度，简单的说就是整幅图的黑白版。a通道和b通道只负责颜色的多少。a通道表示从洋红色（通道里的白色）至深绿色（通道里的黑色）的范围；b表示从焦黄色（通道里的白色）至袅蓝色（通道里的黑色）的范围；a、b通道里的50%中性灰色表示没有颜色，所以越接近灰色说明颜色越少，而且a通道和b通道的颜色没有亮度。
当一个随机二维向量的两个分量呈独立的、有着相同的方差的正态分布时，这个向量的模呈瑞利分布。瑞利分布是最常见的用于描述平坦衰落信号接收包络或独立多径分量接受包络统计时变特性的一种分布类型。两个正交高斯噪声信号之和的包络服从瑞利分布。
维纳滤波是一种在含噪声的信号中把信号提取出来的滤波器，其目标是找到未污染图像的一个估计，使它们之间的均方差最小，可以去除噪声，同时清晰化模糊图像。
与双边滤波类似，都是一种用来保留边缘的滤波技术，导向滤波利用到了局部线性模型，该模型认为，函数上一点与其临近点呈线性关系。 在这里我们认为图象是一个二维函数，且无表达式，输出Q=a*输入I+b，这里的输入不一定是原图，也可以是其他图像（引导图像） 用最小二乘法拟合出a和b，当把引导滤波用作边缘保持滤波器时，往往有 I = p ，如果e=0，显然a=1, b=0是E(a,b)为最小值的解，从上式可以看出，这时的滤波器没有任何作用，将输入原封不动的输出。如果e>0，在像素强度变化小的区域（或单色区域），有a近似于（或等于）0，而b近似于（或等于），即做了一个加权均值滤波；而在变化大的区域，a近似于1，b近似于0，对图像的滤波效果很弱，有助于保持边缘。而e的作用就是界定什么是变化大，什么是变化小。在窗口大小不变的情况下，随着e的增大，滤波效果越明显。
属下图像增强方法现在大多数存在自适应差、鲁棒性差的问题。该文章提出的算法优点在于考虑图像增强的偏色情况，抑制图像噪声，且改善了其他模型参数简单的问题，具有良好的通用性。
主要步骤如下：
1.将水下图像转换到Lab空间，对亮度分量做光照补偿，获得匀光后的图像
2.进行基于水下图像暗通道先验理论的水下图像透射率估计，结合湍流模型获得模拟的退化图像，并进行维纳滤波抑制噪声
3.将去噪后的图像作为导向图，对原图进行导向滤波，得到复原图像
4.使用MSR对福源图像机型颜色恢复，最终得到增强图像
流程图：
水下图像难以处理的一个原因在于光在水下传播时，经过水体散射的光呈喇叭状展开，产生了光照不均，因此第一步便是调整光场使其分布均匀。 文中使用Lab空间中对L通道进行限制对比度的直方图均衡化，增强了图像的对比度，改善了光场分布，又不影响图像的色相。
入射光线在水中经过反射后，会受到水中悬浮粒子的影响而发生散射现象使图像产生噪声，另一方面水体对光谱的吸收会使光强度产生衰减，造成图像对比度偏低，这与雾天图像低下质量很相似，因此，该文章采用了霾降质图像的复原方法来复原水下图像
雾天图像的模型为： I1为匀光后的图像，J为要复原的图像，A为人工光源，t为水下图像的透射率，描述的是未散射并到达成像系统的光部分的介质传输，即每个图像的模糊程度，反映了场景中的光源成分的通透程度
图像的透射率定义为：
依据图像透射率，可求得图像的深度分布D
式中，i，j为图像像素点坐标。
为解决大气湍流对遥感技术的成像干扰，Hufnagel和Stanley提出了一种与大气湍流的时间平均降质图像对应的光学传递函数，此处也一样，水下图像同样退化严重，因此这里将大气湍流模型应用于水下图像的退化过程，模型公式为：
u和v为水平和垂直方向上的频域变换，k为湍流系数，通常情况下，k=0.001时为中等湍流，k<0.00025时为微弱湍流，而前文中透射率t通常分布在0.1到0.9之间，因此采用透射率系数*透射率来代替湍流系数并将透射率系数a控制在0.001到0.01之间，控制湍流强度为中等湍流。
且为了后续便于滤波，保证频谱图中心为低频，四周为高频分量，将湍流模型改写为：
m，n为图像的高度和宽度，a为透射率系数，t为透射率，将改进后的湍流模型与匀光图像做卷积，并采用维纳滤波进行去噪处理
retinex理论认为物体的颜色是由物体对三原色光线的反射能力决定的，这是由物体本身决定的，不受光照不均匀的影响，该模型将一幅图像是做照射分量L与反射分量R的乘积，目的就是从原始图像中估计出光照分量，从而求解出反射分量，以改善视觉效果，即S=L*R
两边同时取对数，即：
通常选取高斯滤波函数与原图像卷积的方式来估计照射分量，即： σ为高斯滤波函数的标准差，，单尺度retinex中，小尺寸的σ可提升图像的暗部亮度，但会导致光晕现象，大尺寸的σ可能会导致阴影无法得到补偿，因此，这里使用了多尺度加权平均的retinex（MSR）算法： 式中，n为尺度参数的个数，通常取n=3，即使用3个不同尺度的高斯滤波器对原始图像做滤波，ωi是第i个尺度在做加权时的权重系数，需满足 一般取w1，w2，w3都为1/3。
