基于Faster R-CNN的水下目标检测方法研究与实现

发布时间：2021-08-21 00:06

　　随着全球人口的不断增长,海洋资源的开发与利用受到广泛关注。目前,海产捕捞主要依靠潜水员水下作业完成,具有高风险、低效率、高成本的缺点。因此,开发一款自动完成水下目标检测、定位和捕捞工作的水下捕捞机器人对发展海洋经济意义重大。目标检测技术是实现水下捕捞机器人的关键,其结果将直接影响机械的后续规划与控制。现有的目标检测算法主要关注陆地图像的目标检测任务,对陆地图像处理结果较好。但水下图像由于受到图像退化问题、目标聚堆与遮挡问题和数据难以大规模采集等问题的影响,无法仅通过现有方法获得较高的检测精度。因此,本课题从不同角度对水下场景的目标检测问题进行研究,采用Faster R-CNN目标检测框架作为基准框架。本文具体研究内容如下:首先,分析了导致水下图像退化的主要原因,结合两种传统图像增强方法构建了水下风格迁移数据集,在此基础上提出了一种基于生成式对抗网络的水下图像增强方法,该方法利用风格迁移的思想达到了图像增强的目的,实现了水下图像的色彩校正与细节恢复。然后,针对由于目标聚堆导致的数据集难以精准标注的问题进行探究,提出了一种基于水下前景分割的弱监督目标检测方法。该方法由水下前景分割阶段和基于... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

海洋生物的传统捕捞方式

水下图像示意图

哈尔滨工业大学工程硕士学位论文-11-a)图像Ab)图像B图2-1水下图像示意图2.1.2水体对光的吸收与散射水体对光的吸收作用是导致水下图像颜色失真的主要原因，其主要表现在水体对不同波长的光的吸收程度不同。图2-2展示了水体对光线的吸收情况，在水下场景中，光的波长与其传输距离成反比，红色光的波长最长，它只能传播到水下三米左右，黄色光可以传播到水下十米左右，在超过十米的水下环境中，则一般只有蓝色光和绿色光的存在。因此，在水下采集到的视频或图像，基本上都会发生偏蓝或偏绿的色偏现象。图2-2水下光线吸收情况示意图除了水体对光的吸收作用之外，水下图像衰退的另一个原因是水体对光的散射作用。根据图2-3所示的Jaffe-McGlamery成像模型可知，水下图像的总照度由直接分量、前向散射分量和后向散射分量三个部分构成[45]。其中，直接分量是指目标直接反射回来的光，前向散射分量是指经物体反射回来的光相对于传输方向的散射角小于90度的散射分量，后向散射分量是指经物体反射回来的光与传输方向相反的散射分量。前向与后向散射是导致图像清晰度差和对比度低的主要原因。综上所述，水下图像的特别可以概括为以下两点：（1）由于水体对光的吸收作用，水下图像具有颜色失真的特点。（2）由于水体对光的散射作用，水下图像具有清晰度差、对比度低、噪声多的特点。


本文编号：3354475