共查询到10条相似文献，搜索用时 31 毫秒
1.
水下成像存在颜色失真、图像对比度严重下降等问题。大多数基于深度学习的水下图像增强方法依赖仿真数据集，由于仿真与实测数据之间存在较大的分布差异，实测泛化能力受限。将水下图像增强任务划分为 2 个更简单，但是同时具有明确物理意义的子问题：颜色校正和对比度增强，提出基于物理模型分解的域内–域间迁移框架。首先，域内迁移校正图像颜色，通过学习对退化图像进行分解，在场景光层面通过对齐颜色退化，校正颜色失真同时保证其它成分完全不受影响。进一步，再次利用基于水下散射模型的分解策略，通过针对性迁移水下退化因素，使得仿真–实测域之间实现相互迁移和交互，增强水下图像对比度。实验结果表明：本方法在真实水下图像数据集上处理的结果，在色彩、纹理细节和清晰程度方面均优于现有的对比方法。 相似文献
2.
水下图像增强因其在海洋勘测和水下机器人中的重要意义而备受关注。在过去的几年中，已经提出了许多水下图像增强算法。已有的深度学习方法由于忽略水下图像的预处理过程和对红色通道信息的增强或者弱化了这个过程，导致增强结果并不显著，其往往只适应特定的场景，缺乏泛化能力。为此，基于卷积神经网络建立了一种全新的水下图像增强算法，为了充分利用特征图的通道信息，在相同维度的特征图之间采用不同尺寸的卷积核获取更多通道数目的特征。然后，基于红色通道构建了注意力机制，以加强对于图像中容易丢失信息的红色通道的特征提取。最后，在 EUVP，UFO120 数据集做了消融实验，证明了红色通道注意力机制的有效性。通过对对比实验的增强结果进行各项指标分析，证明增强结果有着更高的结构相似性和峰值信噪比，并且在无参考指标方面有着更高的颜色平衡、清晰度以及对比度，综合性能优于以往的方法。 相似文献
3.
现有的基于深度学习的水下图像增强方法在仿真的水下图像上取得了良好的效果。但是，由于简化的仿真图像与复杂的真实图像之间存在较大差距，此类方法在处理真实水下图像时性能明显下降。为了解决真实水下图像增强问题，提出了一种联合生成–去除水下图像增强方法。该方法采用分解思路，将水下图像分解为干净的背景层和退化层，通过循环一致性损失和对抗性损失来更好地保留背景，进而实现真实图像和仿真图像之间的转换，既校正了图像颜色，又提升了图像对比度，实现良好的增强效果。实验结果表明， 本方法在真实水下图像数据集上处理的结果，在色彩、纹理细节和清晰程度方面均优于现有的对比方法。 相似文献
4.
近年来各国对于海洋生物的保护意识日益强烈，用来监测海洋生物生存状态的水下机器人装备的研发是保护海洋生物资源的关键。水下相机是这类机器人在水下进行海洋生物监测时的光学感知设备。然而水下环境复杂，拍摄到的图像模糊不清，为解决水下图像模糊等问题，提出了一种基于双通道的水下图像增强卷积神经网络。在网络的编码器中采用双通道结构，其中一个通道采用了密集连接和高效通道注意力机制，提取水下图像的细节特征，另一个通道采用多尺度结构，提取原始图像的多尺度语义特征。接着，在网络中引入残差注意力模块和自适应特征融合模块，进一步优化了特征。最后将优化后的特征输入解码器重建出增强后的水下图像。试验表明：提出的网络算法在UIQM指标和Entropy指标上分别为3.005 6和7.654 7，较第二名的算法分别高出0.097 5和0.123 2。 相似文献
5.
水下视频可直观记录和反映海洋牧场生物资源的现状和变动,目前亟待开展基于图像的海洋牧场生物识别分类方法研究,以充分发挥图像处理技术在海洋牧场生物群落监测领域的应用潜力。利用采集自我国北方烟威地区包含鱼礁、藻床和泥沙三种图像背景的水下视频,开展了图像增强、图像分类数据集的建立和3种分类模型的应用。对比了基于绿通道的色彩补偿和限制对比度的自适应直方图均衡等方法在海洋牧场水下图像增强上的效果。建立了北方海洋牧场常见岩礁生物图像分类数据集,包括花鲈(Lateolabraxjaponicus)、(Lizahaematocheilus)、许氏平鲉(Sebastes schlegelii)等鱼类11种、棘皮类3种和蟹类1种,共23 211张图像。基于飞桨深度学习框架和PaddleX全流程开发工具,选择AlexNet、MobileNetV3和ResNet50三种图像分类卷积神经网络进行迁移学习,并分别验证了其在含噪音水下图像上的鲁棒性。结果表明,三种模型在测试集的类准确率分别达到96.64%、94.75%和99.23%,其中ResNet50模型在含有高斯噪音的图像集验证具有更好的鲁棒性。综之,基于深度学习的计算机视觉技术在我国海洋牧场生物群落监测中具有较大应用潜力,可为我国海洋牧场监测和管理提供新的思路和方法。 相似文献
6.
吕志刚 《数字海洋与水下攻防》2022,5(6):546-552
水下组合导航是 UUV 完成长航时水下自主航行和任务的技术保障和基础,而基于 INS/DVL/GPS 的组合导航是当前 UUV 的主流组合导航方式,可解决导航误差随时间积累的难题,满足 UUV 长航时水下航行的要求。介绍了水下组合导航系统的结构和组成以及关键技术,并详细论述了初始对准算法、纯惯性解算算法、组合导航算法、DVL 标定算法和校准算法。 相似文献
7.
8.
9.
为提高我国水下地形地貌探测技术水平,促进对海洋的科学认知和高效开发利用,文章综述高精度和高分辨率水下地形地貌探测技术研发进展,并分析关键技术发展方向。研究结果表明:采用机载激光、多波束、侧扫声呐、浅地层剖面、双频识别声呐、合成孔径声呐和水下三维扫描声呐等探测技术以及无人船、水下机器人和海底观测网等探测平台,可获取高精度和高分辨率水下地形地貌信息;应在提高设备性能、减小探测误差和完善数据算法等方面加大研究力度,重点发展综合探测技术,从而全面和清晰地反映水下地形地貌。 相似文献
10.
图像超分辨率重建旨在从低分辨率图像中生成包含高频细节的高分辨率图像。随着近年来人工智能的快速发展，基于深度学习的超分辨率重建算法取得了突破性进展。然而，水下光学图像通常会产生严重的颜色失真、细节缺失、对比度下降与模糊等多种退化问题，重建难度远高于常规的自然光学图像。目前尚未有文献对基于深度学习的水下光学图像超分辨率重建进行系统性综述。首先，对自然图像退化方式和数据集进行分类总结，结合国内外最新研究现状将基于深度学习的单幅图像超分辨率重建算法分为针对一般退化、已知(非盲)多种退化、未知(盲)多种退化 3 个方面进行详细总结，为水下应用场景提供参考。然后， 介绍了水下光学图像退化方式，归纳了常见的公开数据集，总结并分析了水下光学图像超分辨率重建的最新进展。最后，对该领域未来可能的发展趋势进行了展望。 相似文献