基于暗通道先验和水体浑浊度识别的水下图像增强算法

发布时间：2023-05-09 18:35

　　随着海洋技术和计算机科学科技日新月异的发展,目前涉及到水下研究和应用的科学任务越来越多,以水下机器人领域为例:水下机器人的路径导航,水下物体检测和识别,避障,水下数据采集等等方面都离不开高清晰的水下图像做支撑;一些依靠声呐或者激光的技术因为不能够直观的得到人眼能够直观感知的数据,所以也可以使用摄像头作为辅助手段来进行数据协同分析。同样,在海洋领域,水下考古或者是水下生物领域更加需要得到直观而且清晰的水下图像。因此,现在水下任务对于清晰的水下图像需求日益迫切。但是,水下图像技术并没有像它预期的那样广泛应用,其中最主要的原因是水体浑浊度的未知和恶劣,因为水下成像受到反射,散射,水体浑浊等等多种影响,水下图像都带着严重的过曝,或者模糊失真的问题,图像的质量很难达到可用的程度,也就严重制约了图像在水下任务中的应用和发展。基于上面的理论基础,本文实现了从水下数据采集到图像增强这一整个系统系统。在数据采集部分,本文利用生成对抗网络GAN来生成更多的水下图像数据,很好的解决了水下图像数据缺乏的问题,为之后的任务提供了更多的数据。在图像增强这一部分,木文先使用贴合任务的自定义的卷积神经网络架构来实现对...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 系统概述
    1.3 本文主要工作
    1.4 结构安排
第二章 原理及相关工作
    2.1 水下成像模型
        2.1.1 前向传输
        2.1.2 后向散射
        2.1.3 水下图像特点
    2.2 基于图像特性增强
        2.2.1 基于空间域的图像增强方法
        2.2.2 基于频率域的增强方法
        2.2.3 基于图像融合的增强方法
    2.3 基于水下光学特性的图像增强
    2.4 暗通道先验模型
    2.5 基于暗通道先验的图像增强
    2.6 本章总结
第三章 水下图片生成
    3.1 组件到组件的思想
    3.2 自编码器
        3.2.1 自编码器
        3.2.2 变分自编码器
    3.3 生成对抗网络
        3.3.1 生成对抗网络理论
        3.3.2 训练算法
        3.3.3 数据扩充结果
    3.4 本章总结
第四章 水体浑浊度识别
    4.1 卷积神经网络理论
    4.2 常见卷积网络架构
        4.2.1 LeNet5
        4.2.2 AlexNet
        4.2.3 VGGNet
    4.3 自定义架构
        4.3.1 设计思路
        4.3.2 具体架构
        4.3.3 性能表现
    4.4 本章总结
第五章 水下图像增强
    5.1 暗通道先验实验
        5.1.1 水上暗通道先验试验
        5.1.2 水下暗通道先验试验
    5.2 图像复原
        5.2.1 基于原始图片的背景光估计
        5.2.2 基于暗通道图片的背景光估计
        5.2.3 本文方法
    5.3 颜色校准
        5.3.1 白平衡颜色复原
        5.3.2 能量约束最小化颜色校准
    5.4 后处理
    5.5 本章总结
第六章 实验结果
    6.1 性能标准
        6.1.1 对比度
        6.1.2 信息熵
        6.1.3 平均梯度
    6.2 数据集实验
        6.2.1 实验设计
        6.2.2 实验结果
    6.3 水池实验
        6.3.1 实验环境
        6.3.2 实验设计
        6.3.3 试验结果
    6.4 本章总结
第七章 工作总结和展望
    7.1 工作总结
    7.2 展望
参考文献
攻读硕士期间发表的论文
致谢



本文编号：3812171