1 中国科学院深海科学与工程研究所, 海南 三亚 572000
2 上海海洋大学工程学院, 上海 201306
3 中国科学院大学, 北京 100049
由于海水吸收和水中悬浮颗粒散射,水下机器人通过人造光源获得的深海图像普遍存在模糊、色偏和清晰度低等问题。围绕深海图像快速精准复原所需解决的关键问题,首先建立真实深海图像数据集,分析深海图像的成像特点,基于图像特征的统计结果提出一种线性景深模型,然后通过有监督方法进行模型参数辨识,最后根据景深模型分别快速估计出原始图像的传输地图和背景光,进而有效避免累计误差,实现深海图像的有效复原。实验结果表明,所提算法在图像复原结果、有效性、质量和实时性指标上均优于同类算法,在Nvidia Jetson TX2嵌入式设备上处理600 pixel×800 pixel大小的图像,平均复原速度是4种优秀水下图像增强算法中最快的3.08倍。
图像处理 深海图像 人造光源 景深模型 图像复原 嵌入式图像处理器
由于在海域条件下, 受到雾气、光线等多种气象因素影响, 光电装备获取的图像出现不同程度的退化现象, 导致图像的显示质量下降。为了提高图像增强方法在海域环境下应用的有效性, 本文针对海域图像海雾及照度不均的特点, 分析了4种常用的图像增强算法, 包括基于直方图均衡化的图像增强算法、基于暗原色原理的去雾算法、基于Retinex的图像增强算法、基于同态滤波的图像增强算法, 并总结了这些算法的特点及其使用场景。上述4种图像增强算法应用于海域环境下图像增强, 选择合适的增强算法可以有效提升图像对比度, 克服海域图像海雾及照度不均问题。
海域图像 图像增强 去雾算法 照度不均 sea image image enhancement dehazing uneven illumination
1 上海海事大学 商船学院, 上海 201306
2 兰州交通大学 电子与信息工程学院, 兰州 730070
由于受到海岸景物和海面波纹等复杂海况的影响,基于可见光海面图像目标检测是一个技术难点.本文提出一个结构随机森林检测海面目标的方法.该方法首先基于图像块构建随机森林,然后将结构学习策略用于随机森林的预测输出空间,在样本空间训练随机森林,最后通过随机森林将图像块分类为海面图像的目标区域与背景区域.实验结果表明相对Canny 算子,Threshold-Segment 算子,Salience_ROI 算子,文中方法在海面图像目标检测中取得了更高的检测率,且计算开销较小.
海面图像 目标检测 决策树 随机决策森林 结构学习 sea image target detection decision tree random decision forest structured learning