水下视觉环境感知方法与技术

有效感知水下环境是水下机器人自主运动与作业的关键。本文首先对水下视觉环境感知的共性问题进行分析,总结了视觉退化和折射畸变两大共性问题对水下视觉成像产生的影响。其次,围绕如何应对上述挑战,分别从水下视觉恢复方法、水下3维视觉感知以及水下视野增强方法3个方面对国内外主流的水下视觉环境感知方法的研究现状展开综述。最后,对水下视觉环境感知的未来发展趋势进行展望,重点包括集群化视觉感知、多模态感知信息融合、仿生视觉感知等热点研究方向。     

基于复原结构与增强纹理融合的水下图像清晰化

针对水体对光的吸收与散射作用,导致水下拍摄图像存在雾化现象、色彩失真等问题,提出一种基于复原结构与增强纹理融合的水下图像清晰化算法.首先,通过相对总变差模型将图像分解为结构层与纹理层;其次,基于背景光的高亮度与平坦特性及颜色信息计算背景光值,利用红色暗通道先验优化透射率,通过逆求解成像模型得到复原结构层;然后,提出将梯...     

水下视觉SLAM的图像滤波除尘与特征增强算法

将视觉SLAM（同步定位与地图创建）方法应用于水下环境时,扬起的沉积物会导致SLAM特征点提取与追踪困难,而且人工光源的光照不均匀还会引起特征点分布不均与数量较少。针对这些问题,设计了一种水下图像半均值滤波除尘与光照均衡化特征增强算法;根据水中杂质的像素特征,按照“检测-滤波”的顺序采取从外至内的半均值滤波过程消除扬起的沉积物在图像内造成的干扰;同时,通过统计光照均匀、充足区域内的像素分布,得到同一地形下不同位置处的环境特征相似的规律,并将其用于求解水下光照模型,将图像还原为光照均衡的状态,以此来增强图像的特征,进而实现更多有效特征点的提取。最后,利用该滤波与增强算法对多种海底地形数据集进行处理,并在ORB-SLAM3算法下测试运行。结果表明,滤波与增强后的数据集能够将特征点提取数量和构建地图的点云数量平均提高200%。综上,图像滤波除尘与特征增强算法能够有效提高视觉SLAM算法的运行效果与稳定性。     

一种新型小波图像融合的水下目标增强算法

针对水下图像存在色偏、清晰度低和边缘细节不足的问题,提出了一种新的水下图像增强算法。首先,以颜色校正的方式改进了一种基于暗通道先验(DCP)的水上图像增强方法,使其可以更好地用于水下图像,并将增强后的图像作为图像融合的一个输入。然后,利用非锐化掩蔽(USM)增强图像的纹理特征,并将再次增强的图像作为图像融合的另一个输入。最后,采用小波融合的方式对以上两个输入图像进行融合,进一步提升图像质量。与其他方法的比较结果表明,利用所提方法增强的图像具有更自然的外观、更高的清晰度、更多的细节和边缘信息,所提方法对水下图像有良好的增强效果。     

基于暗通道先验去雾算法的研究与改进

基于暗通道先验算法的图像去雾技术已经日益成熟,但是其处理速度慢、天空区域过曝、处理完的图像色彩变暗等缺点也很明显。本文针对这几方面分别提出了求透射率时的优化、纠正天空等明亮区域的错误估计的透射率、采用自动色剂的算法进行颜色校正等方法,从而有效地提升去雾图像的视觉效果与处理速度。实验结果与几种经典的算法结果进行比较验证了本文算法在处理效率与颜色保真度方面的优越性。     

基于视觉的水下管线识别与定位系统

论述了在水环境下如何通过视觉识别管线并给以精确的定位。提出了水下视觉系统的总体设计方案。在识别目标时,以目标的颜色为特征,并将颜色从ＲＧＢ窨转换到ＨＳＩ空间,使图象处理的速度和特征抽取的鲁棒性得到提高。对水下环境中点和线的精确定位进行了详细的分析,给出定位算法。最后的实验结果证明了算法的有效性。     

基于合成数据的水下机器人视觉定位方法

针对水下场景水下机器人(AUV)位姿数据集难以获取、现有的基于深度学习的位姿估计方法无法应用的问题,提出了一种基于合成数据的AUV视觉定位方法。首先基于Unity3D仿真搭建虚拟水下场景,通过虚拟相机获取仿真环境下已知的渲染位姿数据。其次,通过非配对图像转换工作实现渲染图片到真实水下场景下的风格迁移,结合已知渲染图片的位姿信息得到了合成的水下位姿数据集。最后,提出一种基于局部区域关键点投影的卷积神经网络(CNN)位姿估计方法,并基于合成数据训练网络,预测已知参考角点的2维投影,产生2D-3D点对,基于随机一致性采样的Perspective-n-Point(PnP)算法获得相对位置和姿态。本文在渲染数据集以及合成数据集上进行了定量实验,并在真实水下场景进行了定性实验,论证了所提出方法的有效性。实验结果表明,非配对图像转换能够有效消除渲染图像与真实水下图像之间的差距,所提出的局部区域关键点投影方法可以进行更有效的6D位姿估计。     

基于单目视觉的水下机器人悬停定位技术与实现

以7000m载人潜水器的水下悬停为应用背景,以单目CCD摄像机为传感器,提出了基于模型的单目视觉定位和基于特征的视觉伺服两种水下机器人视觉悬停技术方案,分别适用于已知模型的观察目标和未知模型的观察目标两种情况．以自行研制的水下机器人控制系统实验平台为实验载体,利用前视摄像机和水下人工目标,建立了水下演示实验验证系统,并在室内实验水池中,分别实现了两种悬停方法的水下演示实验．演示实验表明：在两种视觉悬停方法的闭环控制下,水下机器人能够抵抗恒定水流干扰和人工位置扰动,很好地实现水下悬停作业．     

基于改进CycleGAN的水下图像颜色校正与增强

针对水下观测图像的颜色失真和散射模糊问题, 提出一种基于改进循环一致性生成对抗网络(Cycle-consistent generative adversarial networks, CycleGAN)的水下图像颜色校正与增强算法. 为了利用CycleGAN学习水下降质图像到空气中图像的映射关系, 对传统CycleGAN的损失函数进行了改进, 提出了基于图像强边缘结构相似度(Strong edge and structure similarity, SESS)损失函数的SESS-CycleGAN, SESS-CycleGAN可以在保留原水下图像的边缘结构信息的前提下实现水下降质图像的颜色校正和对比度增强. 为了确保增强后图像和真实脱水图像颜色的一致性, 建立了SESS-CycleGAN和正向生成网络G相结合的网络结构; 并提出了两阶段学习策略, 即先利用非成对训练集以弱监督方式进行SESS-CycleGAN学习, 然后再利用少量成对训练集以强监督方式进行正向生成网络G的监督式学习. 实验结果表明: 本文算法在校正水下图像颜色失真的同时还增强了图像对比度, 且较好地实现了增强后图像和真实脱水图像视觉颜色的一致性.     

基于场景深度估计的自然光照水下图像增强方法

针对水下图像模糊、对比度低且色彩失真的问题,结合修正的水下成像模型,提出一种基于场景深度估计的自然光照水下图像增强方法.首先,依据自然光照条件下水下图像场景亮度与场景深度总体成正比的先验理论,对图像的亮度信息进行最小值滤波和软抠图处理以实现场景深度估计;然后,结合暗通道先验知识和场景深度信息进行离散像素点的后向散射分量估计,根据修正的水下成像模型来拟合和去除后向散射;最后,采用基于色适应的颜色校正方法对直接分量进行色偏校正,利用线性拉伸方法来提升图像的亮度和对比度.水下多场景条件下的实验结果表明,本文方法可有效地去除后向散射引起的雾样模糊,提高图像对比度并校正颜色偏差.     

基于暗原色先验原理的水下图像增强

针对水下光衰减和散射导致的图像严重降质问题和用传统方法进行水下图像增强 产生色偏现象,提出一种新的水下图像增强方法。基于暗原色先验原理进行水下图像增强,用 软抠图的方法对图像暗通道进行细化;在图像前0.1%最亮的像素点中,用中值滤波算法计算出 这些像素点的中值,再计算这些像素点和与之对应的中值的差值,差值最小的像素点作为背景 光的预估值,并用该像素点所在区域颜色饱和度方差来判断预估背景光的准确性;利用Retinex 算法和图像各颜色通道的衰减系数比对增强后的图像进行颜色校正。实验表明,该方法能有效 地去除水下图像中的雾色、校正图像色偏问题,进而提高图像对比度。     

基于修正模型与暗通道先验信息的水下图像复原

受到复杂成像环境影响,光学视觉系统获取到的水下图像普遍存在对比度低、模糊和颜色失真等问题．为此,本文提出一种基于修正散射模型的水下图像复原算法．首先,深入分析光在水下的吸收衰减特性,在简化大气散射模型的基础上,将水体背景光融入到模型的直接衰减项;其次,考虑到水下红光迅速衰减,采用红通道的逆通道对其进行补偿;然后,使用基于四叉树的分级搜索算法估计水体背景光值;最后,在修正的成像模型基础上,结合水下暗通道先验信息估计介质透射率进而复原水下图像．实验结果表明,本文算法水下复原后的图像色彩自然,能有效恢复出远景区域的细节信息,图像对比度、色度和饱和度的综合评价指标整体优于对比算法,适用于不同类型的水下退化图像．     

通道修正均衡化的水下图像增强算法

水中介质和微粒的影响导致光波传播衰减和散射, 在成像过程中水下图像会出现模糊和色偏等情况, 这些 水下成像退化的情况给水下的目标识别、目标跟踪、特征提取等应用带来困难. 针对以上问题, 本文提出了一种基 于通道修正均衡化的暗通道先验(CCD)水下图像增强算法: 首先是对色偏的水下图像进行通道修正均衡化, 利用直 方图强度中心做一个映射, 并将映射的三通道信息融合到限制对比度自适应直方图均衡化中, 改善了图像色偏和对 比度不足的情况; 其次是通过暗通道先验算法进行去模糊, 通过水下增强图像数据集的实验表明, CCD比现有算法 更有效地应对了水下图像成像退化问题, 取得了更好的图像质量指标; 此外, 在特征检测预处理步骤中, 本文方法能 够将检测特征点数提高约1.88倍.     

一种改进的基于暗通道先验的图像去雾算法

针对暗通道先验去雾算法在图像灰白色或天空区域会产生颜色畸变及图像比较暗淡的问题,提出一种基于暗通道先验改进的算法。该算法通过修正导致颜色畸变的透射率计算问题,从而提高图像的视觉效果。同时,通过降低3个颜色通道的高亮度值,并采用均值方法来得到增强的无雾图像。实验结果表明,本文方法在很大程度上消除了去雾图像明亮区域的颜色畸变现象且有更好的颜色恢复度。     

基于衰减补偿与直方图拉伸的水下图像增强算法

水下物理环境复杂多变,导致获取的水下图像颜色失真、对比度低且细节模糊,影响了水下场景探测的准确性。结合衰减补偿和直方图拉伸技术,提出水下图像增强算法ACHS。根据不同颜色通道的衰减特性,设计基于衰减补偿的颜色校正方法解决水下图像颜色失真问题。将需要颜色校正的水下图像从RGB颜色模型转换到LAB颜色模型,使用引导滤波将亮度通道L分解为基础层和细节层,同时提出基于K-means聚类的双直方图增强算法用于增强基础层的对比度,通过Gamma校正突显细节层的纹理结构。在此基础上,累加亮度通道L的基础层和细节层,并将其从LAB颜色模型转换到RGB颜色模型以获取最终的增强图像。实验结果表明,与GDCP、REBE、WaterNet等算法相比,经该算法增强的水下图像可视度较高,并且具有自然的颜色和清晰的细节。     

基于小波变换的水下降质图像复原算法

根据水下成像的物理模型,提出一种基于小波变换的水下降质图像清晰化处理算法。该算法将RGB图像转换为YUV图像,根据图像的对比度,对亮度Y图像利用小波变换自适应估计介质散射光的大小,增强水下降质图像的对比度,并在小波变换的低频子带上进行非线性亮度调节,消除水下图像的光照不均问题,将亮度Y图像的处理结果与颜色分量U、V合成得到清晰的水下彩色图像。实验结果表明,该算法可以自适应实现水下观测图像的清晰化处理。     

水下图像处理技术研究综述

随着自主式水下机器人的发展,水下探测技术成为新的研究热点。然而,吸收效应和散射效应导致水下获取的图像存在雾化和色彩偏差等缺陷。降质的水下图像在一定程度上降低了水下目标识别的准确性。为了改善水下图像质量,国内外学者对水下图像处理方法进行了深入研究。因水下图像处理方法对提升水下目标识别准确性具有良好的促进作用,故其具有重要的研究与分析价值。介绍了水下成像模型,分析了水下图像视觉质量下降的原理;根据水下物理成像模型将水下图像处理方法分为水下图像增强与水下图像复原,并分别对两类方法的研究现状进行分析与归纳;最后,总结与讨论了各类方法的优缺点,并展望了未来的发展方向。     

基于暗原色和直方图匹配的雾天图像增强算法

针对雾天图像景物容易退化的问题,提出一种基于暗原色和插值直方图匹配的雾天图像自适应增强算法。该算法基于暗原色先验信息寻找并分割出图像中的天空区域,利用插值直方图匹配方法对非天空区域进行自适应增强处理,采用主成分分析方法将处理前后的图像信息进行融合。实验结果表明,该算法不仅能避免天空噪声对图像的干扰,而且能有效提高图像对比度,获得满意的图像视觉效果。     

基于改进暗原色先验算法的水下监控图像处理方法

水下监控在海洋渔业、水下作业等领域发挥着越来越重要的作用。可是由于水对光的衰减等作用以及水中悬浮物造成的散射等现象,高清晰度的水下图像获取一直成为水下监控技术发展的阻力。本文对水下相机成像质量进行分析,针对海洋微光、无光环境水下成像提出一种改进的暗原色先验算法,该算法结合暗原色先验、图像滤波降噪以及Retinex理论的优点,实现水下监控图像的去雾、色彩还原与对比度增强。实验表明,该方法明显改进了图像的视觉质量并具有更好的图像清晰度,是一种有效的海洋微光、无光环境的监控图像处理方法。