地球上七大洲分别是：亚洲、欧洲、非洲、北美洲、南美洲、大洋洲、南极洲。四大洋分别是太平洋、大西洋、印度洋、北冰洋，也泛指地球上所有的海洋。

　　亚洲、非洲、欧洲、北美洲、南美洲、大洋洲、南极洲

　　在世界七大洲中亚洲面积最大、人口最多，它的名字也最为古老。非洲是“阿非利加洲”的简称。南极洲，因该大陆处在地球的最南端南极点的周围，因此而得名。一般指太平洋的多数岛屿。

七大洲四大洋地图分布图

　　1、亚洲：面积4400万平方千米，约占世界陆地总面积的29.4%，是世界第一大洲。共有40个国家和地区。人口32.29亿，约占世界总人口的60%，居世界第一位。

　　2、非洲：面积约3000万平方千米，约占世界陆地总面积的20.2%，是世界第二大洲。共有56个国家和地区。人口6.62亿，占世界总人口的12.3%，居世界第三位。

　　3、北美洲：面积约2400万平方千米，约占世界陆地总面积的16.2%，是世界第三大洲。共有37个国家和地区。人口4.32亿，约占世界总人口的8.1%，居世界第四位。

　　4、南美洲：面积约1800万平方千米，约占世界陆地总面积的12%，是世界第四大洲。共有13个国家和地区。人口3.02亿，约占世界总人口的5.6%，居世界第五位。

　　5、南极洲：面积1400万平方千米，约占世界陆总面积的9.4%，是世界第五大洲。南极洲仅有一些来自其它大陆的科学考察人员和捕鲸队，无定居居民。

　　6、欧洲：面积约1000万平方千米，约占世界陆地总面积的6.8%，仅大于大洋洲，是世界第六大洲。共有37个国家和地区。人口7.23亿，约占世界总人口的13.4%，居世界第二位，是人口密度最大的一洲。

　　7、大洋洲：面积约900万平方千米，约占世界陆地总面积的6%，是世界上最小的一个洲。共有24个国家和地区。人口2700万，约占世界总人口的0.5%，是除南极洲外，世界人口最少的一洲。

　　太平洋、大西洋、印度洋、北冰洋

　　1520年，麦哲伦在环球航行途中，进入一个海峡，惊涛骇浪，走出峡谷时风平浪静，于是称这个水域为太平洋，而后被全世界承认。1845年，伦敦地理学会统一定名南、北美洲和欧洲、非洲、南极洲之间水域为大西洋。1497年，葡萄牙航海家达伽马绕道非洲好望角，向东寻找印度大陆，将所经过的洋面称为印度洋。北冰洋位于北极，洋面终年冰封，故得名北冰洋。1845年在伦敦地理学会上正式命名。

　　1、太平洋：太平洋(Pacific Ocean)，是地球上第一大洋，覆盖着地球约46%的水面以及约32.5%的总面积。跨度从南极大陆海岸延伸至白令海峡，西面为亚洲、大洋洲，东面则为美洲，跨越135°纬度，南北最宽15500千米。包括属海的面积为18134.4万平方千米，不包括属海的面积为16624.1万平方千米。

　　3、印度洋：印度洋(Indian Ocean)是世界的第三大洋。位于亚洲、大洋洲、非洲和南极洲之间。包括属海的面积为7411.8万平方千米，不包括属海的面积为7342.7万平方千米，约占世界海洋总面积的20%。包括属海的体积为28460.8万立方千米，不包括属海的体积为28434万立方千米。印度洋的平均深度仅次于太平洋，位居第二，包括属海的平均深度为3839.9米，不包括属海的平均深度为3872.4米。最深为9074米。其北为印度、巴基斯坦和伊朗;西为阿拉伯半岛和非洲;东为澳大利亚、印度尼西亚(印尼)和马来半岛;南为南极洲;中为英属印度洋领地。

　　4、北冰洋：北冰洋(Arctic Ocean)又称北极海，是世界最小最浅以及最冷的大洋。大致以北极圈为中心，位于地球的最北端，被亚欧大陆和北美大陆环抱着，有狭窄的白令海峡 [1] 与太平洋相通;通过格陵兰海和许多海峡与大西洋相连，是世界大洋中最小的一个，面积仅为1475万平方千米，不到太平洋的10%。它的深度为1097米，最深为5527米。古希腊曾把它叫做“正对大熊星座的海洋”。1845年，英国伦敦地理学会命名，经汉文翻译为北冰洋。洋名Arctic源于希腊语，意指正对着大熊星座的海洋。)2012年8月25日，北冰洋海冰面积达观测史以来最小。

Ocean)，是世界第二大洋，占地球表面积的近20%，原面积8221.7万平方千米，在南冰洋成立后，面积调整为7676.2万平方千米，平均深度3627米，最深处波多黎各海沟深达9219米。从赤道南北分为北大西洋和南大西洋。北面连接北冰洋，南面则以南纬66度与南冰洋接连，东面为欧洲和非洲，而西面为美洲。大西洋的中文名称，最早来自于万历十一年(1583年)意大利传教士利玛窦的《山海舆地全图》。

数字冰雹智慧气象大屏可视化决策系统，面向气象监管部门大屏可视化环境，具备优秀的大数据显示性能以及多机协同管理机制，支持大屏、多屏、超大分辨率等显示情景。

支持整合气象监管相关部门现有数据资源，覆盖气象管理各领域，凭借先进的人机交互方式，实现气象日常监测、气象灾害监测、气象灾害事件复现等多种功能，可广泛应用于数据监测、分析研判、展示汇报等场景。

支持基于地理信息系统，对责任区、警戒区等重点区域以及极值站、隐患点、信息员等要素的位置、范围、状态等信息进行监测；支持融合气象管理部门业务系统、气象观测站、天气雷达等数据资源，对降水、气温、气压、天气状况、相对湿度、风力以及气象防灾减灾、舆情等领域的关键指标进行综合监测分析，支持灾害气象预警告警，辅助管理者全面掌控气象态势，实现气象准确预测、及时响应，综合气象态势一屏掌握。

支持基于地理信息系统，对地面气象观测设备、观测站、观测人员等要素的位置、状态进行监测；支持集成气温探测器、天气雷达、大气监测仪、湿度探测器等系统数据，对区域内气温、降水、风力、气压、相对湿度等信息进行实时监控，并可对气象数据变化趋势进行可视化分析，支持对温度异常、狂风暴雨等恶劣气象情况进行可视化预警告警，以及详细信息查询，辅助管理者全面掌控地面气象态势，为气象预报预警提供数据决策支持。

支持接入气象计、无线电探空仪、无人机自动气象探测仪等高空气象探测系统数据，对离地面 500 - 1500m 以上直至 30km 高度的自由大气层中温度、气压、湿度、风向、风速、大气成分、臭氧等气象要素进行监测分析，支持高空气象异常实时告警，并对告警信息进行实时查询，为天气预报、气候分析、科学研究等业务应用提供全面、科学的决策依据。

支持基于地理信息系统，对海洋气象观测设备、观测站等的位置、观测范围、状态等信息进行监测；支持集成海洋浮漂、水文检测仪等海洋气象观测系统数据，对海啸、台风、海雾以及波浪、海流、潮位、海温等海洋水文要素进行实时监测；支持对海洋气象数据指标进行多维度分析研判，对海洋气象灾害进行可视化预警、详细信息查询，提高气象监管部门海洋气象预报的精细化水平和预防海洋灾害的能力。

支持集成各气象监测系统数据，对降雨量、温湿度、风力、风向等易引发火灾的气象因素进行实时监测；支持结合专业的模型算法，设立火险气象阈值告警规则，对火险气象进行可视化预警告警，辅助管理者及时发现火灾安全隐患，提高火灾防范应急响应能力。

支持集成地理信息数据，对重点关注区域地形地貌进行真实复现；支持集成气象监测、遥感影像、各地质灾害监测等系统数据，对降雨量、山体位移、裂缝、含水率、水位、地表水动态等多维度数据进行实时监测，并对异常变化情况进行预警告警，强化地质灾害监测力度，为地质灾害防范和应急救援提供支持。

支持对接水利工程监测、城市内涝监测、水位监测等数据，对天气、降水量以及江河湖泊、水库的水位、水库蓄水量、总库容、入库流量、出库流量等要素进行实时监测和可视化分析，对水位、降水异常等易引发水旱灾害的情况进行告警，为防汛抗旱、洪灾风险评估等工作提供决策支持。

支持基于地理信息系统，直观展示山塘水库、易燃易爆场所、旅游景点、非物质文化遗产等重点区域的分布、范围、边界等信息，并可通过丰富的可视化图表，对重点场所实时状态、气象条件等信息进行联动分析，辅助管理者精确掌控重点场所气象变化，提升恶劣气象条件下重点场所的应急保障效力。

支持建立气象灾害发展时间轴，再现气象灾害发展演进过程，可对灾害发展过程中的时间、节点进行回顾，帮助用户直观、清晰地了解气象灾害发展历程，辅助管理者回顾总结经验，提高应急响应能力。

支持基于时间、空间、数据等多个维度，为各类重点关注气象要素建立阈值告警触发规则，并支持集成天气雷达、自动气象站、大气监测仪、湿度探测器数据，自动监控各类气象要素的发展状态，进行可视化自动告警。

支持整合公安、消防、医疗等多部门数据，可实时监测应急保障相关资源的部署情况，如人员、车辆、物资、装备的数量、位置、分布等信息，为决策人员进行大规模应急资源管理提供支持。

支持将预案的相关要素及指挥过程进行多种方式的可视化呈现与部署，支持对联动资源部署、资源分布、行动路线、重点目标等进行展现和动态推演，提高决策人员对预案的熟悉程度，增强处置突发气象灾害的能力和水平。

支持对各级各类气象机构现有数据资源，提供统计图表、分布图、关系图、空间统计图、空间分布图、空间关系图等多大类近百种数据可视分析图表，进行多维度分析研判，并支持组合为数据分析驾驶舱进行综合显示，实现多指标数据的并行监测分析，为管理者决策研判提供全面的数据支持。

支持将多源、异构、海量数据进行时空校准，并按照时间/空间/层级结构等维度进行可视化分析，支持数据实时显示、态势历史回溯，辅助用户全面掌控数据变化态势、深度挖掘运行数据的时空特征及变化规律。

提供统计图、统计表、单柱图、簇状柱图、堆积柱图、气泡图等多种统计分析视图，支持将海量业务数据的特定指标，按业务需求进行多维度并行分析，并提供上卷、下钻、切片等数据分析支持，可点选查看同一数据指标在不同维度下的分布特征，帮助用户洞悉复杂数据背后的关联关系。

支持接入气象各部门既有海量气象数据，基于栅格、聚簇、热图、活动规律等多种可视化分析手段进行可视化分析研判；支持与气象管理细分领域的专业分析算法和数据模型相结合，助力用户挖掘数据价值，提高气象管理指挥决策的能力和效率。

支持与气象管理领域的专业分析算法和数据模型相结合，支持计算结果与其他来源数据的融合可视化分析，将现有信息资源与人工智能计算结果进行串并分析，充分利用已有信息化建设成果，为用户提高决策效率，提供智能化决策支持。

支持全球范围多种通用地图数据（如政区图/地形图/卫星图等）接入，支持警用地理信息系统PGIS、天地图等专用地图数据接入；支持加载超大范围高精度高程数据、各类矢量地理要素数据、倾斜摄影数据、无人机航拍数据等，充分满足用户的应用需求。

支持GB/T28181标准，支持深度集成海康、大华、宇视等主流视频平台，并支持综合集成各类视频资源形成统一的视频访问平台，可在二/三维态势地图上标注摄像头对象，并关联其视频信号源，可以通过在地图上点击、圈选等多种交互方式，调取相应监控视频。

兼容现行的各类数据源，如SQL Server、Oracle、MySQL、PostgreSQL、Hadoop以及仿真引擎等；支持地理信息数据、业务系统数据、视频监控数据接入，实现跨业务系统信息的融合显示，为用户决策研判提供全面、客观的数据支持和依据。

支持集成气温探测器、雨量器以及天气雷达、自动气象站、大气监测仪、湿度探测器等各类传感器及移动终端采集的数据，可对气温、降水、气压等要素信息进行态势监测，辅助用户综合掌控大范围气象服务管理综合态势。

支持对接地理信息系统、视频监控系统、消防/应急/医疗等多部门现有业务系统等，可将不同平台系统数据综合汇集于系统之上，进行可视化并行分析，支持高性能实时数据接入、转换、萃取、同步分析显示，为用户决策研判提供全面、客观的数据支持和依据。

为指挥中心量身打造超高清小间距LED大屏显示解决方案，支持无缝、无边框、无限拼接，可自定义整屏尺寸，任意分辨率下，画面显示效果精准完整；具备低亮高灰技术内核，画质细腻流畅，观看舒适；亮度智能调节，满足多种室内环境应用场合；超宽视角（水平/垂直均160度），任意角度良好显示；超高刷新率，纳米级响应速度；安全低噪、稳定耐用，为用户提供超凡的大屏使用体验。

可针对指挥中心复杂场景设计定制，打造结构合理、科学布局、符合人体工程学设计的专业操控席位。支持指挥决策、信号调用、会议室系统切换、音视频播放、灯光环境管控、远程互动等工作的远端集中控制，大幅度提升系统的易用性，为用户提供定制、便捷地交互体验。

支持超高清、无形变、无限分辨率的大屏图像输出，系统输出分辨率与大屏物理分辨率一致,实现超高分辨率点对点(无形变)图像输出;结合产品自有的集群并行渲染机制,支持无限分辨率显示输出和动态扩展。真正发挥大屏硬件显示潜能，构建超高清的大屏可视化决策系统。

深度集成主流大屏控制技术，支持大屏整体显示布局切换、超高分辨率画面无缝切换、多屏联动数据分析、多屏显示内容联动交互控制、单屏显示内容操作控制等，充分满足用户的使用需求。

原生支持大屏多屏交互联动控制，支持席位、电子沙盘、手持/固定触控终端等多种控制设备，具备单点主控、集群联动的一体化操作模式，通过统一的控制终端，轻松对多屏显示内容集中控制，如主题切换、分析态切换、可视化对象浏览、点选、筛选、圈选、地图平移放缩等功能。

3.1. 完善的实施团队，全流程跟踪服务

全方位自有技术团队，能力全面，深谙数据可视化技术特性，具备行之有效的方法体系，确保项目实施高效、品质可靠；公司拥有十余年项目实施经验，既横跨众多行业，又高度专注于数据可视化分析决策领域，为用户提供大量可借鉴经验，助力用户在更高起点对自身系统进行规划建设；设计师、工程师黄金配比，提供从规划设计、制作实施、定制开发到联调测试一站式全流程服务；拥有先进的产品体系和交付能力，良好的业界口碑，帮助用户驾驭数据、彰显价值！

全自主可控技术体系，可根据用户的实际业务决策需求，进行可视决策主题、可视化页面风格标识、可视化对象、组件、人机交互等深度定制。具备模块化、全配置式软硬件架构，可视决策主题、可视化页面、可视化对象均可复用可调整可扩展，可充分应对未来业务需求变化，为系统未来扩展维护提供坚实保障。

3.3. 可交付编辑工具，未来扩展灵活

可提供一系列可视化编辑工具，地图风格、模型对象、空间对象、场景对象、可视化组件、可视化应用均可实现自定义配置；图形化交互界面，操作简单直观，易于掌握；具备完备的地图效果配置、强大的数据驱动定义能力、广泛的空间对象支持、强大的组件样式配置、丰富的可视化基础页面库，可根据未来业务变化进行灵活调整；可预置丰富的业务数据分析可视化组件，配置结果所见即所得，可快速构建出样式出众、功能强大的可视化应用。

帮助气象管理部门打通各领域数据，消除数据孤岛，挖掘数据价值，提升决策能力，实现气象智能感知、精准预测、普惠服务、科学管理、持续创新。

融合海量异构的气象数据进行可视化分析，从超大范围气象态势，到具体设备设施运行情况均可全面监测，实现气象各监管领域的全方位、全要素综合监测，有力提升气象监测效能。

有效将现代气象观测与互联网、人工智能、物联网等先进技术应用相结合，实现气象监测、服务、管理活动全过程的智能感知，为气象监管部门提供智能化决策支持。

对海量气象监测数据成主题、按体系进行多维度综合分析研判，精准预测气象灾害发展态势，为气象监管部门进行气象灾害预防提供全面的数据依据。

全面实时监测气象态势，科学智能预判气象变化，协同整合各类应急资源，实现智能感知、精准预测、协同处置，大幅提升处置突发事件的效率。

数字冰雹为某省气象局打造的象监测预报预警系统，集成天气雷达、自动气象站、大气监测仪、湿度探测器等数据，提供气象日常监测、气象灾害监测等主题，并基于三维态势地图，以散点图、轨迹图以及数据驾驶舱等多种方式，全面展现气象运行发展态势，为管理者进行气象数据分析研判、建立气象灾害预警报警机制等方面提供全面、客观的数据支持和依据。 

全国气象防灾减灾可视化监控管理平台，是由中国气象局公共气象服务中心进行顶层框架、功能和产品设计，我方配合开发实施，双方共同合作完成的国家级公共气象服务平台。系统集成各省自动气象站数据、多普勒雷达数据、气象卫星数据和数值预报等数据，提供气象灾害监测、预警设施状态监测、涉灾单位监测等主题，对全国气象防灾减灾监控信息、重点涉灾单位、预警发布设施状态、灾害责任人等要素进行全面监测，支持点选查看各省份气象信息，全面展现气象运行发展态势“一本账”辅助管理者提高气象灾害预警、响应、防治效能。 

声明：本站转载此文目的在于传递更多信息，并不代表赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本网联系，我们将在第一时间删除内容！本网站对此声明具有最终解释权。

本发明涉及水下图像技术领域，具体地说，是一种基于水下光线衰减先验性的水下场景深度地图估计方法。

水下考古、水下资源勘探、水下管道探索等水下活动面临着极大挑战，因此获得清晰的水下图像对于海洋探索起到关键作用。但是由于水下环境和其物理机制的影响，近些年水下图像处理逐渐受到人们的关注。在水下图像的成像过程，光线传播在水中受到水下环境的影响存在选择性吸收和色散等问题，造成水下图像模糊、偏色以及能见度低。水下图像的衰减主要由于光在水中传播时不同频率的通道呈现不同的指数衰减、水下环境导致水下图像引入较大噪声、人造光线的干扰导致图像部分质量降低等因素造成。基于图像成像模型(imageformationmodel)的水下图像复原方法中，正确的场景深度对于背景光(bl)和传输地图(tm)估计都起到关键作用，也就是说准确的场景深度估计是保证水下图象复原的重要环节。水下图像复原方法通常是基于水下成像物理模型，分析水下图像退化机理，估计成像模型参数并以反补偿等方式恢复出清晰自然的水下图像。近几年来水下图像清晰化技术已经取得了显著的效果，并且受到了广泛的应用。

基于物理模型的方法需要建立水下图像的成像模型，通过限制条件估算构建模型中参数，最后反演退化过程得到理想的水下图像，属于图像复原范畴。由于水下图像成像环境和户外大雾天气相似，因此何凯明提出的暗通道先验特性(dcp)被广泛地使用在水下图像复原。2010年，chao等人直接使用dcp复原水下图像，该算法只能提高部分水下图像对比度但是大部分复原图像出现颜色失真。同年，carlevaris-bianco等人发现红色通道和蓝绿色通道在水下传播时存在明显差异的衰减率，提出最大像素先验性(maximumintensityprior，mip)，通过不同光线在水中传播的物理属性得出场景深度地图，并由此推理得到传输地图和背景光，简单地解决光照散射、对比度低的问题。2011年，yang等人基于dcp探索出一个简单有效的复原方法，为了降低计算复杂度，使用最小滤波器和中值滤波器代替软抠图(softmatting)，该算法使用颜色纠正提高复原图像的对比度，但是低质量的复原结果限制输出图像的视觉效果。2012年，chiang等人考虑水下光线在传播过程中受到光线的选择性衰减特性，使用波长弥补和图像去雾(wcid)方法获得跟正确的场景深度地图，可以有效地产生高质量的水下图像，还可以降低人造光源对复原过程的影响。但是，本方法的物理模型构建局限性大、模型参数估计的计算复杂度高，不适用于不同类型的水下图像复原。为了减少红色分量在图像复原时的影响，研究人员进一步提出基于蓝绿色通道的dcp也被称作udcp)。2013年，drews等人提出基于g-b通道的暗通道先验(udcp)估计水下深度地图最终得到效果更好的输出结果。同年，wen等人提出一种新的水下光学成像数学模型，基于udcp推导出散射率和背景光，最后反演新的成像模型、输出复原图像。2015年，galdran等人提出一种自动红色信道水下图像复原方法。该方法类似于udcp，主要基于倒置的红色通道和蓝绿色通道的暗通道先验；合理地处理人造光源区域；复原图像颜色的真实性。2016年，li等人基于udcp对蓝绿色通道去雾、基于灰度世界假设理论纠正红色通道，提出自适应曝光地图调整过亮或者过暗的区域，解决水下图像对比度低、颜色偏差的问题。2017年，peng等人研究发现图像中更模糊的目标表现更远的场景深度，提出了基于图像模糊和光线吸收(imageblurrinessandlightabsorption，imla)同时使用背景光选择性融合方法、考虑到光线和图像特性并基于三种深度地图估计方法的加权融合方法，得到的深度地图可以适用于不同类型的水下图像，具有较强的鲁棒性。

基于物理模型的场景深度估计方法不能满足实际环境的应用，都需要较长的处理时间，这一方面需要进行优化和提高。目前，基于dcp和udcp的场景深度估计方法虽然可以估计少量场景的水下图像的场景深度，但是对于场景复杂的水下图像不能成功地估计出场景深度，由于dcp和udcp都使用了局部块状搜索加大了计算复杂度，降低了运行效率。基于mip的水下场景深度估计方法考虑到水下光线在传播中存在着选择性衰减特性提出简单的水下场景深度，但是这种先验性并没有得到充分的证明和验证，因此虽然这种方法可以优化场景深度估计的计算，但是不能够适用于不同类型的水下图像。基于imla的水下深度估计方法可以得出不同类型水下图像的场景深度，但是融合方法占用大量的计算，不能够应用在实际应用中。

综上所述，需要一种水下光线衰减先验性，得出水下场景深度估计的线性模型，可以简单有效地估计出场景深度地图，具有较低复杂度的水下场景深度地图估计方法，而关于这种方法目前还未见报道。

本发明的目的是针对现有技术中的不足，提供一种水下光线衰减先验性，得出水下场景深度估计的线性模型，可以简单有效地估计出场景深度地图，具有较低复杂度的水下场景深度地图估计方法。

为实现上述目的，本发明采取的技术方案是：

步骤1：水下光线衰减先验性

由于关于水下场景估计过程中只有少量的信息，复原模糊的水下图像在计算机视觉领域中还是一个比较艰巨的难题。但是，在没有关于水下场景深度的辅助信息时，人们仍然可以快速简单地识别水下场景信息。当探索一个具有鲁棒性的背景光估计模型时，对应于原始图像中在深度地图中最远点经常被认为是场景候选点。考虑到水下光线衰减特性(在水中传播时，红色光线的能量比蓝绿色光线的能量要衰减快速)，因此选择红色通道和蓝绿色通道的最大差值用来估计水下背景光。这种准则激励通过做大量的不同水下图像，最终发现一种应用于水下场景深度估计的有效先验性。通过测试大量的水下图像，本发明提出水下光线衰减先验性，主要考虑到蓝绿色通道的最大值(themaximumvalueofg-bintensity，mvgb)和红色通道强度(thevalueofrintensity，vr)的差值与水下场景深度的变化呈现强烈的正比。

2010年，chao等人直接使用dcp复原水下图像，该算法只能提高部分水下图像对比度但是大部分复原图像出现颜色失真。同年，carlevaris-bianco等人发现红色通道和蓝绿色通道在水下传播时存在明显差异的衰减率，提出最大像素先验性(maximumintensityprior，mip)，通过不同光线在水中传播的物理属性得出场景深度地图，并由此推理得到传输地图和背景光，简单地解决光照散射、对比度低的问题。2011年，yang等人基于dcp探索出一个简单有效的复原方法，为了降低计算复杂度，使用最小滤波器和中值滤波器代替软抠图(softmatting)，该算法使用颜色纠正提高复原图像的对比度，但是低质量的复原结果限制输出图像的视觉效果。2012年，chiang等人考虑水下光线在传播过程中受到光线的选择性衰减特性，使用波长弥补和图像去雾(wcid)方法获得跟正确的场景深度地图，可以有效地产生高质量的水下图像，还可以降低人造光源对复原过程的影响。但是，本方法的物理模型构建局限性大、模型参数估计的计算复杂度高，不适用于不同类型的水下图像复原。为了减少红色分量在图像复原时的影响，研究人员进一步提出基于蓝绿色通道的dcp也被称作udcp)。2013年，drews等人提出基于g-b通道的暗通道先验(udcp)估计水下深度地图最终得到效果更好的输出结果。同年，wen等人提出一种新的水下光学成像数学模型，基于udcp推导出散射率和背景光，最后反演新的成像模型、输出复原图像。2015年，galdran等人提出一种自动红色信道水下图像复原方法。该方法类似于udcp，主要基于倒置的红色通道和蓝绿色通道的暗通道先验；合理地处理人造光源区域；复原图像颜色的真实性。2016年，li等人基于udcp对蓝绿色通道去雾、基于灰度世界假设理论纠正红色通道，提出自适应曝光地图调整过亮或者过暗的区域，解决水下图像对比度低、颜色偏差的问题。2017年，peng等人研究发现图像中更模糊的目标表现更远的场景深度，提出了基于图像模糊和光线吸收(imageblurrinessandlightabsorption，imla)同时使用背景光选择性融合方法、考虑到光线和图像特性并基于三种深度地图估计方法的加权融合方法，得到的深度地图可以适用于不同类型的水下图像，具有较强的鲁棒性。本发明基于peng提出的水下场景深度估计方法得出多种水下图像的场景深度地图，从所有估计的水下场景深度地图中人为地选择100张完全正确的水下场景深度地图，并使用引导滤波器(guidedfilter，gf)精细化水下场景深度地图，得出最终的训练数据集。

步骤3：线性模型的系数学习

基于已经估计的参考深度地图，通过分析mvgb与vr和madps的皮尔逊相关系数分析(pearsoncorrelationcoefficient，pcc)发现本发明假设的两个参数和madps存在强关联的线性关系。为了训练深度地图估计模型，本发明将所有样本按照训练数据与测试数据按照7:3的比例分配并使用十层交叉验证法，最终建立madps和mvgb与vr的线性关系，并成功地训练出最好的学习结果。本发明训练的深度地图可以估计任何一个水下图像的深度地图。

步骤4：场景深度地图估计

本发明确定了深度地图估计的线性模型，并且收集大量不同类型的水下图像去估计多种水下图像的深度地图，发明直接使用本发明估计的线性模型得出的深度地图存在局部人工块状，因此本发明使用引导滤波器(guidedfilter，gf)精细化原始的深度地图，精细化深度地图可以更明显地突出水下图像的场景深度，得到正确的场景深度。为了进一步验证本发明提出的场景深度估计地图，将已估计的深度地图运用在rgb三通道的背景光(backgroundlight，bl)估计和传输地图(transmissionmap，tm)估计中，可以复原模糊的水下图像。本发明提出了基于水下光线衰减先验性的场景深度估计方法可以快速地、有效地得出正确的场景深度，并可以应用在水下图像复原过程中。为了验证场景深度地图估计方法的有效性，本发明从google、youtube和下载并截取超过1200张水下图像原图像，并将所有图像人为修改成400×600像素。为了保证数据集的多样性和代表性，本发明选取多种场景的水下图像，例如单个鱼、鱼群、珊瑚礁和潜水者等不同场景，不同衰减的水下图像，例如深海图像、低亮度水下图像、非常模糊的水下图像和蓝绿色偏光的水下图像，依据以上原则从这些图像中随机选取100张水下图像。将水下场景深度的线性估计模型应用在100张水下图像中可以得出对应的水下场景深度地图，从估计的场景深度地图中可以看出在较远的场景区域中深度地图呈现亮色，在较近的场景区域中深度地图显现浅色，这一现象进一步证明本方法的有效性。

图7展示了基于本发明估计的深度地图得出的水下图像复原结果：

为了进一步验证本发明提出的场景深度估计地图，将已估计的深度地图运用在rgb三通道的背景光(backgroundlight，bl)估计和传输地图(transmissionmap，tm)估计中，可以复原模糊的水下图像。本发明提出了基于水下光线衰减先验性的场景深度估计方法可以快速地、有效地得出正确的场景深度，并可以应用在水下图像复原过程中。

本发明的基于水下光线衰减先验性的水下场景深度地图估计方法，海洋资源丰富、海洋生态多种多样，复原水下场景深度对于海洋资源开发及其保护都起到关键作用。

本方法估计水下场景深度主要是利用水下光线衰减先验性，并选择大量的训练集作为样本训练得到具有较强鲁棒性的水下场景深度估计模型。本发明不但具有较低的复杂度，而且可以正确地估计不同类型的水下图像的场景深度。同时将本发明估计的场景深度地图运用在基于图像成像模型的水下图像增强中可以有效地复原水下图像，研究表明复原后的水下图像不仅可以提高图像质量，而且能够应用于目标识别、目标分类中，有效提高图像分类、图像识别精度。本发明对于水下物种探究、海洋工程、考古遗物等各类图像均有良好的增强效果，同时有助于水下对象(如鱼类、海藻)特征提取、对象识别和跟踪，以及水下导航定位等。由于本方法的简单性和有效性，可以直接将本方法实时地应用在水下图像复原，优化后代码可以直接嵌入相机中完成模糊图像的瞬时增强，具有较强的实际应用价值。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明方法的前提下，还可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。