基于深度学习的端到端水下图像恢复

发布时间：2022-01-04 21:05

　　近年来,水下图像和视频在海洋军事、海洋工程、海洋研究等领域扮演着越来越重要的角色,从深海中获得高质量的图像对这些领域来说就显得尤为重要。但是较差的水下成像环境以及光照条件使得在水下拍摄的图像常常具有颜色失真、纹理模糊和对比度低等质量退化问题,本文针对这一课题进行了广泛的文献调研,了解到目前水下图像恢复的方法主要分为传统方法和基于生成式对抗网络的深度学习方法,其中,传统方法受假设条件和先验知识局限,模型不准确且颜色修正效果不理想,现有的基于生成式对抗网络的方法可以在一定程度上校正水下图像的颜色,但是它们使用生成式对抗网络生成数据集,忽略了水下成像的光学属性,鲁棒性不强,并且图像复原的效果不理想。本文针对以上问题展开研究,研究内容和主要贡献包括以下几点。第一,针对成对的清晰水下图像和退化水下图像数据集难以获取的问题,提出了基于水下成像的光学原理的退化水下图像的模拟方法。本文根据水下成像的物理学原理,即光在水下传播会呈指数发生衰减,并且不同颜色的光的衰减程度不同,构造了生成退化水下图像的模拟器,并使用该模拟器对每一张清晰的水下图像生成17种不同的退化水下图像,最终构成多组成对的清晰和退化的水... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

图１．１水下图像在实际应用中的例子??

图１．３不同颜色的光在水中具有不同的穿透能力ｗ??

图１．２水下光学成像模型Ｗ??


本文编号：3569055