改进U-Net网络的水下图像增强

为解决现有水下图像增强方法对水下图像特征提取能力不足而导致的模型通用性不足的问题,本文提出一种改进U-Net网络用于水下图像增强。首先,提出用生成对抗网络拟合一个新的水下退化模型,再用无水深度图像经过生成对抗网络合成对应的水下图像,从而建立水下数据集。然后,提出一种改进的U-Net网络充分提取水下图像特征,自适应地学习水下图像到无水图像的映射关系。在3种不同类型的数据集上对本文所提出的算法与其他具有代表性的增强方法进行对比验证,结果表明,本文提出的算法能够对不同场景下的水下图像进行颜色校正,提高了图像的清晰度和对比度。     

基于色彩校正与暗通道先验算法的水下图像增强方法

针对水下图像色彩失真及对比度低的问题,提出一种基于色彩校正与暗通道先验的水下图像增强方法.在处理色偏问题时,以蓝通道为基准计算通道标准比,对水下图像的红、绿通道进行补偿,丰富图像色彩;针对水下图像对比度较低的问题,利用基于超像素的暗通道先验(DCP)方法对校正后的水下图像进行增强.用水下海珍品目标检测数据集图像进行了实...     

水下退化图像处理方法

针对水下图像退化现象严重、有效信息提取困难等问题,提出了水下退化图像处理方法.该方法通过分析水下图像退化过程,提出了基于大气湍流模型获取水下图像退化函数的方法,并利用频域滤波完成了退化图像的复原工作;进而将人工鱼群优化算法与图像二维Abutaleb熵信息相结合,利用一种二维最大熵阈值分割算法进行图像有意义区域分割.由于人工鱼群算法不需要了解问题的特殊信息,只进行问题优劣比较,使得该算法自适应性和收敛速度得到大幅提升.水池实验结果表明:该方法明显改善水下退化图像模糊度高、对比度低的问题,具有较优的分割效果,处理过程时间较短,具有一定的实用性.     

基于深度卷积神经网络的水下偏色图像增强方法

针对水下图像在采集和传输过程中存在偏色、模糊等问题,提出一种基于深度卷积神经网络的水下偏色图像增强方法,并给出该方法的收敛性分析.首先,在传统U-Net模型的基础上,构建一种基于偏色图像的卷积神经网络模型,不断学习输入图像与输出图像的色彩偏差;其次,通过引用结构相似性的损失函数,使增强后的水下图像与输入的水下图像在内容...     

水下非均匀光照场景下的混凝土图像增强方法

检测水下基础设施混凝土表观缺陷是保障水下基础设施安全稳定运行的重要措施。使用遥控水下机器人(remote operated vehicle,ROV)采集混凝土表观图像是当前水下检测最高效的方式，然而ROV采集到的混凝土图像存在光照不均、色彩失衡、对比度差和边缘信息弱等问题。该文针对水下混凝土图像质量不佳的问题，提出了水下非均匀光照场景下的混凝土图像增强方法。首先采用图像修复技术(image inpainting technique,IIT)对图像局部高光区域进行修复；然后在暗通道图像增强方法的基础上引入图像对比度感知调节方法，选取不同窗口尺寸，在每个局部窗口区域中实现图像增强；最后采用自然图像质量评估、基于感知的图像质量评估、无参照物图像质量评估和水下彩色图像质量评估4个指标对增强后的图像进行评估。实验结果表明：该文提出的方法在多个对比指标中优于现有水下图像增强方法，能有效提升水下图像质量。     

基于透射率融合与优化的水下图像复原

由于光与水体介质的相互作用的固有复杂性,所拍摄的水下场景图像发生降质退化,这导致诸如水下图像的低对比度以及色彩失真等问题.尤其是对于污染较为严重或者高浑浊度水体下获得的图像,典型的水下图像处理方法有一定的性能缺陷,而其根本原因在于其无法对于散射造成的色彩失真问题进行有效处理,同时也未充分考虑对比度信息带来的影响.因此,本文提出了一种透射率融合与优化方法,并由此给出有效的水下图像复原方案.该方案考虑各通道在水下衰减差异性,建立了基于颜色衰减差异的水下图像形成模型,其场景环境光由成像光源计算得到.首先,利用色彩校正算法来处理水下图像存在的色彩失真的问题,并利用灰度色调算法对场景光源的颜色进行估计;接着,基于水下场景约束,提出水体透射率估计方法,同时基于对比度先验提出对比度透射率估计算法;然后,将上述两种透射率进行融合,并使用多方向梯度加权正则化进行细化;最后,通过求解基于颜色衰减差异的水下图像形成模型复原图像.通过多次实验,所提出的基于透射率融合优化的水下图像复原方法得到的图像不仅具有相对自然的颜色,同时保持着良好的细节和对比度信息.     

非均匀光照条件下的水下图像增强算法

自然水域非均匀光照环境中,针对图像存在模糊、对比度低、颜色失真等退化现象,提出一种视觉显著性分割和Retinex算法相结合的水下图像增强方法。首先,依据图像的亮度、色度和方向特征得到图像显著图,进而分割出前景区域和背景区域;然后,基于Retinex算法分别对两区域增强处理,并对背景区域进行二次增强;最后,采用泊松融合算法得到两区域增强后的合成图像。实验结果表明,提出的算法提高了水下非均匀光照条件下的图像清晰度,与其他算法相比,具有更好的性能。     

基于水下图像增强算法的研究

由于水下图像成像条件复杂、质量较差,给实际操作和科研带来了很大的难题。图像增强方法可以针对水下图象的特点改善其质量。直方图法可以增大图像的灰度变化范围,丰富灰度层次,改善视觉感知效果,达到图象增强的目的;同态滤波法可以有效的消除图像的照明不均,增强暗区的图像细节;通过实验验证,选用的方法能够有效地减轻图像细节的模糊,轮廓更清楚,对实际水下图像进行处理,增强效果明显。     

基于多通道均衡化的水下彩色图像增强算法

针对水下环境存在的颜色衰减和散射效应导致水下图像颜色严重失真的问题,提出一种多通道均衡化的水下图像增强算法.首先,对原始图像在对数域上进行归一化处理后转换到HSI(色调-饱和度-亮度)颜色空间;然后,对亮度分量利用McCann Retinex算法在四个方向(纵横)进行比较、实现增强,并根据图像全局亮度信息进行照度增强;最后,将图像重新转换到RGB(红-绿-蓝)空间,计算各通道的累积分布函数,对密集部分进行拉伸处理,达到颜色均衡的效果.针对多幅水下彩色图像进行增强对比实验,结果表明:通过该方法得到的增强图像颜色失真程度减弱,图像对比度和清晰度显著提高,色彩更加鲜艳;该算法在改善水下图像照度信息的同时,保留了饱和度和色度信息,解决了水下图像增强的颜色失真问题,使水下图像具有较高的对比度和清晰度.     

基于透射率优化和颜色修正的水下图像增强方法

针对光在水中传输时受到水的吸收作用、悬浮颗粒散射作用而产生严重的衰减,导致水下光学图像对比度低、颜色失真的问题,提出一种基于透射率优化和颜色修正的水下图像增强方法。根据水下光学成像模型,采用最小信息量损失原理估计透射率,结合导向滤波提高透射率的估计精度,通过逆求解水下成像模型得到清晰化的水下图像。利用直方图均衡化进一步提高图像对比度,使用白平衡方法修正颜色。实验结果表明,该方法能够有效去除由后向散射引起的模糊,提高图像对比度和清晰度,同时修正色彩不平衡。     

基于图像熵线性加权的水下图像增强算法

目的 针对工业环境下水下图像受到水中悬浮物影响,从而导致图像的清晰度过低以及对比度过高等问题, 提出一种基于图像熵线性加权的水下图像增强算法。 方法 该算法基于图像熵理论对白平衡算法、直方图均衡算法 和暗通道先验算法进行线性加权,继而通过实验环境确定调节系数输出高质量图像。 在深度为 1 m、1. 5 m 和 2 m 的不同水下环境拍摄图像,对获得的水下图像使用上述三种算法和该算法作对比处理,处理结果通过 PSNR 和 UIQM 作为评价指标进行评判。 结果 实验结果表明:使用 PSNR 指标评判该算法,相较于其他三种算法,水深 1 m 的水下图像质量提高了 22. 81%,水深 1. 5 m 的水下图像质量提高了 46. 67%,水深 2 m 的水下图像质量提高了 38. 94%,图像质量综合平均提高了 36. 14%;使用 UIQM 指标评判该算法,相较于其他三种算法,水深 1 m 的图像质 量提高了 1. 02%,水深 1. 5 m 的水下图像质量提高了 0. 73%,水深 2 m 的水下图像质量提高了 1. 82%,图像质量综 合平均提高了 1. 19%。 结论 由此可以证明该算法相对于其他传统算法对图像清晰度有着显著提升,并且能够适应 不同深度的水下环境,为工业环境下水下图像增强提供了一种新的解决思路。     

基于 UCM 算法中直方图拉伸的水下图像增强研究

针对水下图像色彩失真,对比度低以及图像模糊不清等一系列问题,提出了一种基于色彩模型的水下图像增强算法,改进了现有的 UCM 算法的直方图线性拉伸,使用限制对比度自适应的方法对直方图进行非线性均衡化,使处理后的图片对比度增强效果更好,图像质量更高,更符合人类的视觉感知。 通过搭建的水下海参场景和模拟海底图像偏蓝绿色的实验环境,拍摄了 4 组海参在不同姿态、工况下的水下图片并对其进行定性、定量分析,得出改进后的 UCM 算法在 UIConM、UIQM、NIQE 指标下的数值分别平均为 0. 63、4. 30、3. 30,相比较其他 3 种算法,该算法处理后的图像质量评估指标均为最优,由此证明了研究的算法相对于其他的传统算法显示出更好的可行性和优越性,并且能够适应不同的水下工况,拥有良好的鲁棒性。     

基于灰度世界和门控聚合网络的水下图像增强

针对水下机器人在非限制环境中水下作业时,获取的水下图像存在整体色调偏蓝、偏绿、边缘细节较模糊及对比度较低等问题,提出一种基于灰度世界算法和端到端门控上下文聚合网络的水下图像增强算法。该算法通过图像R、G、B等3个通道分量调整的灰度世界算法,获取颜色校正后的水下图像;将校正后的水下图像输入到门控上下文聚合网络中,利用门控网络来融合图像中不同层次的特征,并引入平滑空洞技术和特征注意力模块,消除空洞卷积所出现的网格伪影现象,提高通道信息的灵活性,达到图像增强的效果。最后选取1 000幅参考图像,与6种经典增强算法进行主客观评价。结果表明,该算法在主观质量上提高了图像的对比度和清晰度,修正了水下图像的色偏;在客观评价指标上,测试集A中的峰值信噪比、结构相似性、信息熵和水下图像质量评估的平均值分别达到25.176 0 dB、0.950 9、8.057 9和0.618 2,测试集B的分别达到21.576 1 dB、0.933 1、8.119 4和0.591 4,评价结果都优于6种经典增强算法。     

水下航行器自由视角探测的多波束声呐仿真

针对水下航行器运动与水下声学感知过程中因多因素强耦合导致相关联合仿真模型缺失问题,提出一种适用于水下自由视角探测的运动位姿和声呐图像高逼真耦合仿真方法．首先建立多波束图像声呐几何模型,并提出声呐视域简化方法,实现声呐图像快速生成;其次建立水下地形、航行器路径和探测视角耦合的自由扫测模型,实现水下自由视角扫测与成像;最后针对声呐图像干扰的高逼真仿真问题,提出一种基于实测数据拟合的结构化噪声和回波重影建模方法,进一步提高仿真声呐图像的逼真度．实验结果表明：该模型能够有效实现水下航行器自由视角扫测过程的位姿和声呐数据组合仿真,生成具有一定逼真度的多波束声呐图像．     

水下相机标定算法研究

光线在水下成像过程中经过水、玻璃和空气3种折射率不同的介质而发生折射现象。在这种情况下,利用简单针孔成像模型表征水下成像将产生非线性误差。针对这一问题,本文在分析多介质环境中光线的折射效应的基础上建立水下相机模型,并基于该成像模型提出一种水下相机标定算法。在实验室条件下完成水下双目相机的标定工作并与同类标定算法进行比较。实验对比结果显示,基于水下成像模型提出的相机标定算法能够有效的修正折射效应对水下图像产生的畸变影响,更加准确的表征水下成像过程。     

基于双分支特征提取的水下图像复原

水下成像的复杂性,严重影响图像质量.为解决水下图像存在的颜色失真、亮度底等问题,提出一种双分支水下图像复原模型.复原模型利用双分支特征提取架构提取水下图像不同层次,不同尺度的特征,实现提取特征的完整性;利用残差结构做中间特征处理环节,增强网络学习能力,提高训练速度;且在残差模块中引入空洞卷积以增大感知野,融合两个分支提...     

一种基于小波多尺度分析的水下图像增强方法

本文主要介绍了一种利用小波多尺度分析进行水下图象增强的方法。为降低对水下图像噪声增强程度,方法对不同尺度上的系数进行不同尺度的对比度增强。通过真实水下图像实验证明了该方法的有效性。     

基于Gamma过程的水下连接器密封性能退化随机模型

水下连接器服役期间密封性能退化现象客观存在,为准确获得不同时刻连接器的密封性能指标,考虑密封面接触应力和有效接触长度对水下连接器密封性能的影响,以密封接触强度为连接器密封性能评价指标,建立连接器密封性能有限元分析模型,结合Norsok腐蚀速率预测模型,获得不同时刻连接器密封接触强度指标。以此作为密封性能退化数据,根据密封性能退化过程随机性与不可逆性特点,采用Gamma过程建立连接器密封性能退化随机模型,形成水下连接器密封性能退化模型建模新方法。     

基于引导图像滤波器的水下图像清晰化算法

水下图像降质主要受水体中光的前后向散射、光波衰减、水中浮游生物以及水下光照不均匀等的影响.针对传统的水下图像采集器所获取的水下图像存在光照不均匀、纹理细节模糊及对比度低等问题,建立了一种新的水下图像光学成像模型,并提出一种基于引导图像滤波器的水下图像增强算法.根据水下光线的传播特性,充分利用双边图像滤波器的平滑保边特性以估计散射光和图像局域对比度,同时考虑不同波长在水下传输的特性,得到更加准确的水下图像增强模型,然后依据此模型复原清晰图像,并对复原图像进行校正处理.结果表明,该算法能克服光照不均匀等困难,对水下图像进行实时处理,有效地提高了图像的清晰度,且该方法已成功应用于深海观测系统.     

同态滤波器在水下图像对比度增强中的应用

由于受水下照明条件的限制，水下图像一般都有比较严重的由光照不均匀引起的图像降质，同态滤波可以有效地减少亮度不均匀，并对感兴趣的景物进行有效增强。首先使用基于照明反射模型的同态滤波方法，在简要介绍模型的原理、实现过程和特点的基础上，给出了适用的滤波模型和表达式，引入基于小波变换的同态滤波方法，采用高通滤波对小波变换域系数进行处理，在保持图像总体原貌的基础上对图像局部对比度增强效果显著。