水下图像

摘要： 为了有效去除水下图像倒影,而不影响水下图像细节信息完备性,研究一种基于平滑化区域填充的水下图像倒影去除方法。通过Lab颜色模型和K-means聚类识别水下图像倒影区域,计算含倒影水下图像各个像素RGB颜色分量的最小值,并导进和含倒影水下图像的灰度图中,实现图像增强处理,在需填充区域中心设置一个符合平滑填充条件的窗口尺寸,基于平滑化区域填充去除倒影,保证倒影区域去除后,图像细节信息不出现严重缺失。研究结果显示,某水下图像倒影区域去除后,水下图像有价值细节与原图有价值细节相似度较高,信息量完备性显著,不存在颜色失真情况,图像细节信息较完备。

摘要： 水下特殊的成像环境,使得图像存在模糊、色偏等问题,给水下图像复原带来了新的挑战。基于成像模型的图像复原是提高水下图像质量的典型方法之一。背景光作为逆向复原的重要参数直接影响到水下图像复原的效果。目前对水下图像复原中背景光求解方法的综述文献较少,为了深入了解水下图像复原的研究现状和发展趋势,对水下图像复原中背景光求解方法进行综述。首先简述了水下模型,归纳了背景光的特征及背景光求解方法分类,通过详细分析各种典型的背景光求解方法的原理和特点,总结归纳了各种典型方法的优缺点,并提出了研究展望。

摘要： 在水下成像过程中,水中悬浮颗粒引起光在传播过程中的散射和衰减,造成图像模糊与色彩失真等降质现象。针对这种情况,提出了一种水下图像增强算法。该算法从图像成像模型出发,结合暗通道先验,获得深度图,再对水下图像的暗通道图像与自适应均衡处理图进行光补偿后进行多尺度融合,实现图像增强。实验结果显示,所提算法能够增加图像的清晰度与对比度,对色偏也有一定修正效果,可以获得较好的增强效果。

摘要： 水下光学图像存在色偏、低对比度、目标模糊的现象,导致水下目标检测时存在漏检、误检等问题。针对上述问题,提出了一种基于通道注意力与特征融合的水下目标检测算法。基于通道注意力设计了激励残差模块,将前向传播的特征信息进行自适应分配权重,以突出不同通道特征图的显著性,提高了网络对水下图像高频信息的提取能力;设计了多尺度特征融合模块,增加了大尺度特征图用于目标检测,利用其对应的小尺度感受野提高了网络对小尺寸目标的检测性能,进一步提高了网络对水下不同尺寸目标的检测精度;为提高网络对水下环境的泛化性能,设计了基于拼接和融合的数据增强方法,模拟水下目标的重叠、遮挡和模糊情况,增强了网络对水下环境的适应性。通过在公共数据集URPC上的实验,与YOLOv3、YOLOv4和YOLOv5相比,所提算法的平均精度均值分别提升5.42%,3.20%和0.9%,有效改善了水下复杂环境中不同尺寸目标漏检、误检的问题。

摘要： 由于光在水介质中会发生折射和散射现象,会导致水下图像存在对比度低、图像模糊、光照不均匀等一系列问题。另外,由于不同波长的光线在水中的传播具有不同的衰减率,所以通常的海底图像背景大多以蓝色绿色为主。针对以上问题,提出了一种水下海参图像增强的方法,该算法基于RGB色彩模型的对比度校正和HSI色彩模型的对比度校正,在原模型的基础上研究并修改了颜色通道的倍增系数,得到了更好的增强效果。通过图像的评价指标:均方差(MSE),峰值信噪比(PSNR)和信息熵(entropy)来对使用了不同增强算法处理后的图像进行对比,认为该算法在提高图像质量和保持细节方面有更好的效果,并且在处理水下图像这一方面具有一定的实用性。

摘要： 针对水下堤坝裂缝图像存在对比度低、泥沙附着背景噪声大等问题,结合细型线状裂缝和宽型线状裂缝的不同特点,提出了融合视觉处理的水下裂缝检测方法。采用结合Prewitt算子边缘检测的阈值分割算法分割水下图像的细小裂缝,使用形态学处理消除分割后的水下堤坝裂缝二值图像的干扰噪声,提取目标裂缝信息。采用自适应阈值分割方法结合Gamma校正进行多次处理得到水下堤坝裂缝图像的最佳分割阈值,使用形态学处理方法对裂缝二值图像进行连通域提取和空洞填充,得到完整的裂缝二值图像。最后,根据拍摄水下堤坝裂缝图像的相机参数进行标定,估算每个像素点对应的物理尺寸,进而得到堤坝裂缝的特征参数值。相较于现有裂缝检测算法,所提出的检测算法能够在复杂的水下环境中准确、有效地提取完整的水下堤坝出现的细小和宽大的线状裂缝信息,估算出水下堤坝裂缝的长、宽、面积、方向等各项参数值,且具有良好的鲁棒性。

摘要： 由于水下环境具有不稳定性,水下图像可能会出现偏色、对比度低以及运动模糊等退化现象。针对这些问题,本文提出了适用于水下图像的增强算法,其实现需要依次经过颜色恢复和去模糊这2个阶段。在第一阶段中,本文增强算法先利用高斯滤波和均值漂移对图像进行锐化;然后,通过对比图像各颜色通道的均值得到补偿值对图像颜色进行校正;最后通过线性拉伸来调整图像的对比度。在第二阶段中,采用带有残差思想的生成对抗网络(Generative Adversarial Networks,GAN),利用9个连续的残差网络能够很好地提取图像中的特征,可起到消除模糊和增强图像特征的作用。利用本文算法处理水下图像时,发现本文方法不仅能去除图像模糊,而且能消除图像的色偏现象且不携带红色伪影。同时,通过对比水下图像质量度量(Underwater Image Quality Measures,UIQM)和水下彩色图像质量评估(Underwater Color Image Quality Evaluation,UCIQE)这2项指标发现,本文算法有较好的图像处理效果。

摘要： 光在水中传播时受到水的吸收和悬浮粒子散射作用,导致水下图像颜色失真、对比度低、可视性差。针对上述退化问题,该文提出一种基于蓝绿通道自适应色彩补偿水下图像增强方法。首先,该方法分析水下成像模型的特点,根据蓝、绿色通道均值在3通道均值和的占比,将水下场景深度划分3个等级,利用光衰减率特性自适应补偿色彩,实现多场景色彩校正。然后对色彩补偿后的图像划分暗调、中间暗调、中间亮调、亮调4个区域,利用暗区域映射函数将图像暗区域映射到亮区域,在提升对比度的同时抑制噪声的产生。最后采用双线性插值解决分块处理产生的区域块效应。真实水下数据集实验结果表明,与现有方法相比,该方法可以提升多种场景的水下图像质量。

摘要： 针对水下图像普遍存在低对比度、低亮度和颜色失真,以及现有的水下图像复原方法恢复结果不自然、亮度不均和主体色调偏红等问题,该研究提出了双背景光自适应融合与透射图精准估计水下图像方法。采用基于水下光衰减特性和背景光平坦性的双背景光自适应融合策略以提高估算的融合背景光准确度,通过新型水下暗通道先验、反向饱和图和三通道光谱衰减系数估算出更加精准的水下图像透射图,最后将估算出的融合背景光与精准透射图应用于水下成像模型得到复原后的水下图像。在广东罗非鱼良种场水产养殖数据集和水下图像增强基准数据集的试验结果表明:对比暗通道先验、最大强度先验、基于模糊和光吸收、蓝绿通道去雾、基于背景光统计模型和透射图优化5种水下图像复原方法,在主观恢复效果评价中,该文方法能有效纠正水下图像失真、亮度偏暗和主体色调偏红等问题;在7个客观评价指标中,该文方法在6个指标中取得最好值,其中全参考图像质量评价指标中的峰值信噪比、结构相似性、均方误差和视觉信息保真度等数值比次好水下图像复原方法分别提升了0.52%、2.1%、3.4%和0.86%;无参考图像质量评价指标中的自然图像质量评价指标和水下图像质量评价数值比次好水下图像复原方法分别提升了2.4%和7.4%。该文方法在解决传统水下图像复原方法中存在的亮度不均和颜色偏红等问题具有一定优势,可以为水下图像复原方法提供技术借鉴。

摘要： 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。

摘要： 本文针对水下图像的特点提出了一种基于相最大熵的水下图像模糊增强算法，利用图像分割原理确定的阈值作为模糊增强的分界点，较好的解决了水下图像的图像增强问题。

摘要： 最大熵法普遍用于水下图像分割，但是其需要对每个像素进行累加统计，计算复杂度之大也就成为了此种方法的一个瓶颈。本文引入了近年来兴起的粒子群优化算法(PSO，Panicle swarm optimization)来对算法进行优化，通过PSO算法对在水下图象分割中效果较好的最大熵算法进行优化解的搜索，从而达到利用最少计算次数得到最优解的效果。经过实验和程序设计，此方法用于水下图象分割效果甚佳，不但分割效果优秀，而且比一般算法的效率提高了将近十倍。

摘要： 为了削弱复杂恶劣的环境对水下成像造成的不利影响及满足水下机器人目标识别任务实时性的需求，构造组合不变矩对水下目标进行特征提取，提高了目标的聚类性能。引入具有全局寻优能力的人工鱼群算法，在增加单纯神经网络收敛速度的同时避免算法陷入局部最优，进而建立了完整的基于人工鱼群神经网络的水下目标识别系统。应用此系统对不同水下实测目标图像进行特征提取与识别对比实验，结果表明所建立系统具有较优的聚类性能和较高的识别精度。

摘要： 为了削弱复杂恶劣的环境对水下成像造成的不利影响及满足水下机器人目标识别任务实时性的需求，构造组合不变矩对水下目标进行特征提取，提高了目标的聚类性能。引入具有全局寻优能力的人工鱼群算法，在增加单纯神经网络收敛速度的同时避免算法陷入局部最优，进而建立了完整的基于人工鱼群神经网络的水下目标识别系统。应用此系统对不同水下实测目标图像进行特征提取与识别对比实验，结果表明所建立系统具有较优的聚类性能和较高的识别精度。

摘要： 为了削弱复杂恶劣的环境对水下成像造成的不利影响及满足水下机器人目标识别任务实时性的需求，构造组合不变矩对水下目标进行特征提取，提高了目标的聚类性能。引入具有全局寻优能力的人工鱼群算法，在增加单纯神经网络收敛速度的同时避免算法陷入局部最优，进而建立了完整的基于人工鱼群神经网络的水下目标识别系统。应用此系统对不同水下实测目标图像进行特征提取与识别对比实验，结果表明所建立系统具有较优的聚类性能和较高的识别精度。

摘要： 为了削弱复杂恶劣的环境对水下成像造成的不利影响及满足水下机器人目标识别任务实时性的需求，构造组合不变矩对水下目标进行特征提取，提高了目标的聚类性能。引入具有全局寻优能力的人工鱼群算法，在增加单纯神经网络收敛速度的同时避免算法陷入局部最优，进而建立了完整的基于人工鱼群神经网络的水下目标识别系统。应用此系统对不同水下实测目标图像进行特征提取与识别对比实验，结果表明所建立系统具有较优的聚类性能和较高的识别精度。

摘要： 为了削弱复杂恶劣的环境对水下成像造成的不利影响及满足水下机器人目标识别任务实时性的需求，构造组合不变矩对水下目标进行特征提取，提高了目标的聚类性能。引入具有全局寻优能力的人工鱼群算法，在增加单纯神经网络收敛速度的同时避免算法陷入局部最优，进而建立了完整的基于人工鱼群神经网络的水下目标识别系统。应用此系统对不同水下实测目标图像进行特征提取与识别对比实验，结果表明所建立系统具有较优的聚类性能和较高的识别精度。

摘要： 本发明涉及一种水下机器人的水下图像处理系统，图像采集模块、FPGA模块以及显示模块；图像采集模块包括：LED灯组和摄像头模块；图像采集模块以及显示模块均与FPGA模块相连；通过图像采集模块采集水下图像，经FPGA模块处理，通过显示模块显示。本发明提出的一种水下机器人的水下图像处理系统，解决了水下图像系统的时滞性大、水下图像偏色严重、水下图像的后向闪射、水下图像对比度差、亮度低、体积大、能耗高的缺陷。

摘要： 本发明公开了一种适用于水下图像及大气暗图像的两用图像增强方法及装置，该方法包括：接收待图像增强的水下图像或大气暗图像的原图像和灰度图；通过构建的目标方程进行估计，得到反射率图像和入射光图像；对反射率图像进行对比度增强，得到高亮度的大气图像；对入射光图像进行色彩校正，结合对比度增强结果得到增强的水下图像。既可用于纠正水下图像色偏，改善水下图像对比度，又可用于增强大气中拍摄的暗图像。

摘要： 本发明公开了一种水下机器人的水下图像处理系统，涉及水下图像处理技术领域，其技术方案要点是：包括水下图像采集单元、水下图像实时处理单元、通讯传输及显示单元和数据存储单元；水下图像采集单元包括图像采集主体、稳定驱动支架、安装于图像采集主体上的超高清浑水透摄像头和安装于图像采集主体上的补光装置；水下图像实时处理单元包括图像处理单元和信息反馈控制单元。本方案的水下图像处理系统能够对水下采集的图像进行实时处理，并直接将处理优化后的水下图像进行显示，解决了现在水下图像处理传输速率慢，能耗消耗大和产品体积大的问题；此外，该水下图像处理系统便于确保采集的水下图像的不易偏色，噪点少，且亮度均匀。

摘要： 本发明公开了一种水下图像的超分辨率重建方法及水下机器人终端，控制光学相机和深度相机分别拍摄同一目标在同一时刻的原始水下图像与深度图像；采用Canny算法提取所述深度图像的边缘轮廓；对所述原始水下图像进行去噪并与所述深度图像的所述边缘轮廓对齐修正后，得到具有平滑轮廓的配对图片；由所述平滑轮廓作为引导，采用联合双边滤波器重建高分辨率的水下图像纹理，得到高分辨率水下图片。本发明采用光学相机和深度相机分别拍摄原始水下图像和深度图像，将深度图像作为原始水下图像的引导，实现水下图像的超分辨率重建，从而增强水下图像的分辨率以得到高分辨率的水下图片。

摘要： 本发明提供一种基于复杂水下成像模型的水下图像颜色校正方法。本发明方法，包含以下五个过程：深度图估计、去除后向散射、亮度图估计、带宽衰减系数估计以及图像复原；首先，对采集的水下退化图像进行深度图估计；其次，使用深度图和原始水下图像估计后向散射；然后，对去除后向散射的图像估计亮度图；接着，使用亮度图和深度图估计带宽衰减系数；最后，结合复杂水下成像模型复原水下图像。该发明方法能够有效实现水下图像颜色校正和对比度增强，提升图像视觉效果，可以应用于图像预处理。

摘要： 本发明提供了一种水下图像色彩还原方法，该方法通过将水下图像的各像素的由8位RGB像素值转换线性sRGB空间上进行调整处理，再将调整后的像素值转换至8位RGB像素值，然后将获取的8位RGB像素值与调整后的像素值进行融合，进而得到还原后的水下图像。与现有技术相比，本发明通过对水下图像中的每个像素按特定的步骤进行了色彩还原，因此经本发明方案处理后的水下图像或水下视频的前景物体色彩自然、丰富，同时保留背景海水的自然蓝绿色，整理画面观感提升明显，媲美甚至超过以往需要大量人工调色才能达到的效果。

摘要： 本发明涉及一种水下机器人的水下图像处理系统，图像采集模块、FPGA模块以及显示模块；图像采集模块包括：LED灯组和摄像头模块；图像采集模块以及显示模块均与FPGA模块相连；通过图像采集模块采集水下图像，经FPGA模块处理，通过显示模块显示。本发明提出的一种水下机器人的水下图像处理系统，解决了水下图像系统的时滞性大、水下图像偏色严重、水下图像的后向闪射、水下图像对比度差、亮度低、体积大、能耗高的缺陷。

摘要： 本发明公开了一种基于水下成像模型和景深的水下图像清晰化方法，首先利用局部shade of Gray算法估计背景光，可有效避免人工光源、白色物体和噪声等影响；然后，通过设置阈值来判断是否将红通道的信息加入到暗通道先验中；利用景深来估计散射率，得到更好的对比度和饱和度颜色；最后，利用背景光与散射系数、衰减系数之间的关系对RGB三通道分开求解透射率，最终得到清晰化图像，本发明方法可弥补目前很多方法假设RGB三通道的透射率相同的缺陷，不仅能有效增强图像的对比度，还能很好地处理三通道透射率估计不准确带来的色偏问题。

摘要： 本发明属于图像处理和图像质量分析技术领域，特别是在存在复杂的混合畸变，缺少高质量的参考图像，且图像之间的感知差异难以测量的环境中；本发明涉及到成对的水下图像质量对比，是基于具有任意内容的水下图像对，不需要参考图像；具体提出了一种不需要参考图像的水下图像质量比较方法，将两幅水下图像质量之间的对比结果采用一种三元分类模型来描述。用改进的Inception和Reduction模块对融合后的两幅图像全局和局部的图像质量特征差进行感知；基于获得的图像间的两两质量比较结果进行累加，可以建立各种不同的水下图像增强方法在不同内容水下图像上应用结果的质量比较排序；本发明不仅仅可以用于水下图像的质量之间的比较，同样适用于其他由于混合畸变导致的难以感知图像差异的场景。

摘要： 本发明提供一种基于图像反射分量和深度学习模型的水下图像增强方法包括：提取输入图像的反射分量，通过辅助分支网络的多层卷积算子识别反射分量的特征信息。在方法的主网络中以源图像作为输入，通过多维编码器组提取源图像特征信息，并且与辅助分支网络的同维度特征矩阵进行深度方向融合，最终通过解码器组复原得到增强后图像。本发明基于图像反射分量和深度学习模型，在传统图像增强网络的基础上新增一个基于图像反射分量的辅助分支网络。辅助网络以反射分量作为输入，并在多个层级与主网络融合，使网络能从退化图像和表现图像本质信息的反射分量中两方面提取特征矩阵。