1.一种结合不感兴趣区域的水下图像增强算法，其特征在于，具体包括以下步骤：步骤1：通过使用多特征线性滤波器，提取输入图像的颜色特征、亮度特征和方向特征，形成特征金字塔；

步骤2：使用中心‑周边差算子分别计算这些特征的显著图，将不同特征的显著图进行归一化处理；

步骤3：通过非线性归一化处理，将不同特征各层上进行点对点的相加操作，分别得到颜色、亮度和方向特征的显著图；

步骤4：再次归一化后,把这些显著图进行点对点的进行求和，然后求平均操作，就可得到图像的总显著图；

步骤5：使用赢者通吃竞争神经网络选择显著点，并利用其返回抑制的特性完成显著点的转移；

步骤6：对步骤5处理过的相机成像的图片中，取得所有显著点之外的所有点，作为非显著点；

步骤7：对非显著点的区域，计算所有的联通区域，然后，所有联通区域面积小于整体图像面积比例T1值的，全部舍弃，只保留面积大于等于T1的联通区域；

步骤8：对步骤7获得的联通区域，计算DCP暗通道理论中的景深图对应部分的红绿蓝3c个通道的各个通道平均值A ,

步骤9：建立经典DCP算法的雾化模型为：I(x)＝J(x)t(x)+A(1‑t(x))                 (1)式中，I(x)为水下失真图像，是已知图像；J(x)为水下真实图像，是待求解的图像；t(x)为透射率；A为水体背景估计，水下图像的退化和空气中图像的退化是相似的；

c

步骤10：把式(1)两边除以A，得；

c c

其中I(x)和J(x)分别代表的是已知图像和待解图像的C通道。

步骤11：假设透射率为一个定值 式(2)两边取最小值，其中符号～代表的是定值，其中，y表示小窗口Ω(x)中的像素，步骤12：根据暗通道先验理论，暗通道图像近似为0，因此：将式(4)带代入式(3)，可得到：

则真实图像恢复的3个C通道求解计算公式如下：其中t0是为了防止透射率过小，导致增强的图像过于亮，符号max()表示，在其括号内的多个值中取最大的值。

2.根据权利要求1所述的一种结合不感兴趣区域的水下图像增强算法，其特征在于，所述步骤7中T1值为1％。

3.根据权利要求1所述的一种结合不感兴趣区域的水下图像增强算法，其特征在于，所述步骤12中t0的值为0.1。