这部分内容其实和水下目标跟踪的软件框架没啥联系，但既然上一篇文章提到了水下环境的仿真，结合近期的一点小尝试，也谈谈对水下slam仿真可行性的一些构想。 在水下光学传感器基本上效果非常差。声学设备一方面专业性比较强（换句话说就是很小众），另一方面传感器价格非常高，更雪上加霜的是进行一次数据采集所需耗费的时间人力物力成本
摘要 水下图像增强技术在水下视觉研究中受到了广泛的关注。但是，原始水下图像容易遭受由水下场景引起的色彩失真、曝光不足和模糊。 本文：提出了一种新的用于增强水下图像的多尺度密集生成式对抗网络（GAN）。 ①生成器：使用残差的多尺度密集块，其中多尺度、密集连接和残差学习可以提高性能、渲染更多细节并利用之前的特征图。 ②判别器：采用计算量小的光谱归一化来稳定判别器的训练。 ③损失函数：
转载
2024-03-20 11:42:28
140阅读
1.目前水下图像增强算法存在的问题（1）部分算法在合成数据集上进行训练，却无法很好地迁移到真实场景中。 （2）真实的海下图像数据的背景差异较大，没有一套算法可以很好地适用于所有的海下场景中。2.提出的方法（1）提出的图像增强算法分为两步，如下图所示。左边是Inter域的自适应调整，右边是Intra域的自适应调整。Inter域存在的原因是增强模型在真实域中的性能，Intra域存在的原因是增强模型对不
转载
2024-06-05 08:58:36
67阅读
作为图像增强算法系列的第二篇文章，下面我们将要介绍功能强大、用途广泛、影响深远的对比度有限的自适应直方图均衡（CLAHE，Contrast Limited Adaptive Histogram Equalization）算法。尽管最初它仅仅是被当作一种图像增强算法被提出，但是现今在图像去雾、低照度图像增强，水下图像效果调节、以及数码照片改善等方面都有应用。这个算法的算法原理看似简单，但是实现起来
Interesting:?水下图像增强综述, 主要就深度学习用于水下处理的方法和数据集进行了深入的整理和分析，包括水下成像模型、数据合成以及网络的设计，从网络架构、参数、训练数据、损失函数以及训练配置等方面进行了分析。并总结了算法常用的度量标准和评价方法。最后指出了目前数据集和评价方法存在的问题，并给出了一些这一领域的开放问题和未来的研究方向。(from 澳大利亚国立 香港城市大学) 目前水下图像
1. 作者提出了两个问题：“水下图像增强是否真的可以提高水下目标检测？ “水下图像增强如何有助于
转载
2024-08-19 15:43:42
54阅读
这篇文章可以说结果好到令人拍案叫绝，处理后细节也好了，色偏也好了，更主要是那些评价指标仿佛都是为它设计的，一个比一个好，本文就详细地介绍一下水下图像融合算法。1.首先先分别进行两次处理①对原图进行白平衡处理——详细地可以看它的代码，代码是改良的灰度世界，个人觉得是一个灰度世界+一个直方图均衡。处理结果作为输入一。②对白平衡后的图进行亮通道自适应直方图均衡化（亮通道：CIElab颜色模型的l通道；自
转载
2024-04-29 14:34:41
207阅读
最近出于学习的需要，阅读了关于水下图像增强的论文《Color Balance and Fusion for Underwater Image Enhancement》，并且尝试着按照论文中所介绍的步骤使用matlab来实现，由于本人对图像处理初次接触，感觉做出来的效果一般，本文对论文提及的步骤进行简略介绍，代码是按照论文步骤写的，并不十分完善，此论文主要用于学习交流，欢迎大家阅读分享并提出宝贵意见
转载
2024-02-19 19:52:28
152阅读
基于直方图均衡化的水下图像增强（MATLAB仿真） 可以对RGB三个通道进行直方图规定化从而实现水下图像增强。此处我们使用的是直方图均衡化，通过实际仿真效果也很明显。前段时间一直在做去雾处理。在laviewpbt博客中对去雾算法介绍的很详细，我从暗通道算法开始学习的，后来又仿真快速去雾算法，效果都还可以。然后花了两周的时间，在DM642上实现快速去雾算法的视频处理，效果比较一般，以后
本博文为本人调研水下图像增强时做的一些笔记。可能整理得不是很清晰，仅仅供个人学习记录用~欢迎各位交流~ 目录背景研究现状（常用的方法）非物理模型的图像增强方法白平衡方法直方图均衡化方法基于Retinex的方法基于暗通道先验的方法（去雾的方法）基于卷积神经网络的方法基于物理模型的图像复原方法水下图像成像理论水下成像系统水下散射模型水下退化图像模糊类型高斯模糊运动模糊散焦模糊图像质量评价标准
转载
2024-01-19 23:14:02
414阅读
点赞
摘要自动水下航行器(Autonomous underwater vehicles (AUVs))依靠各种传感器——声学、惯性和视觉（acoustic, inertial and visual）——进行智能决策。由于其 非侵入性、被动性和高信息量，视觉（non-intrusive, passive nature, and high information content） 是一种有吸引力的传感方式，
本文是哈尔滨工程大学2018年的一篇硕士论文，作者是焦佳。摘要 结合水下声纳图像的特点，研究深度学习相关理论与研究方法后，为水下声纳图像的分类构建深度信念网络（Deep Belief Network, DBN）和卷积神经网络（Convolutional Neural Network, CNN），并进行相应的分类实验。实验结果表明，CNN 的分类效果优于 DBN，但 CNN 中滤波器权值矩阵初始化的
论文：A Deep Learning Approach for Underwater Image Enhancement 作者：Javier Perez 文章目录介绍方法比较缺点：计算复杂实验 由于水中的光透射，水下机器人中的图像处理是自主水下机器人中最具挑战性的问题之一。 尽管图像恢复技术能够正确去除降级图像中的雾度，但它们需要来自同一位置的许多图像，因此无法在实时系统中使用它。本文提出了一种
水下图像增强算法综述。
翻译
2021-11-22 17:56:02
2499阅读
水下图像/视频增强关于视频处理实时性问题，大多数算法是全局性处理，比如直方图均衡化、AHE、 CLAHE、灰度世界等算法实时性相对来说比较好。但是一些复杂算法比如对比度拉伸、完美反射白平衡算法、SSR、MSRCR等算法，实时性较差（20帧/秒）。水下视频更是如此，如果一些视频缺少颜色信息需要补偿，实时性更差。 现如今，图像评价分为客观评价与主观评价，客观评价有水下图像颜色质量评价（UCIQE）、水
论文：Multi-scale adversarial network for underwater image restoration 作者：Jingyu Lu 年份：2018 期刊：Optics and Laser Technology本文提出一种基于CycleGAN和多尺度SSIM损失的新方法，用于水下图像恢复。其中，多尺度循环生成对抗网络（MCycle GAN）系统将水下样式的图像转换为恢复
转载
2024-04-30 14:21:42
60阅读
下面要介绍的论文发于2019年12月，题为「ROIMIX: PROPOSAL-FUSION AMONG MULTIPLE IMAGESFOR UNDERWATER OBJECT DETECTION」，axriv地址为：https://arxiv.org/abs/1911.03029。 近年来，通用的目标检测算法已经证明了其卓越的性能。然而，关于水下目标检测的话题却很少被研
转载
2024-08-12 17:03:04
120阅读
1. Underwater image transmission and blurred image restoration作者： Liu, Z. S. Yu, Y. F. Zhang, K. L. Huang, H. L.出处： Ocean Engineering
时间： 2001年方法： PSF MIF 维纳滤波器论文简介： 利用图像传输理论测量海水的点扩散函数和调制传递函数并且使用维纳滤波器
论文题目：WaterGAN: Unsupervised Generative Network to Enable Real-Time Color Correction of Monocular发表期刊：IEEE ROBOTICS AND AUTOMA TION LETTERS作者：Jie Li, Katherine A. Skinner, Ryan M. Eustice, and Matthew
转载
2024-06-22 21:47:50
32阅读
之前已经写过有关水下图像复原及增强相关的博客了。但是感觉了解仍然不够深入，本博文会继续做paper survey 目录图像增强与复原的区别水下增强现状基于图像增强的水下图像增强基于物理模型的水下图像复原水下光通信光在水中的传播模型水下成像散射模型水的吸收特性与散射特性 吸收作用散射作用水下信道分析水空通信或空水通信（air to water or water to air）参考
转载
2024-04-09 14:23:33
209阅读
