- u2 b4 r- _, I* q 水下机器人在海底地质勘探、资源开采、生态研究等领域都发挥着重要作用。然而其中较为重要的视觉感知功能会受到多种水下环境因素的影响,面临着图像质量降低的挑战,比如所拍摄的图像颜色会发生畸变,整体色调偏绿、偏蓝,同时对比度较低,细节较为模糊。本文结合深度学习技术与物理成像模型,提出了一种新的水下图像增强算法,该算法通过构建包含扩张卷积和带参数激活函数的神经网络进行背景散射估计和直接传输估计,再结合成像模型的数学表达进行重建运算得到增强后图像。实验结果表明,与几种典型的图像增强算法相比,该算法的优点是消除了水下环境因素带来的影响,丰富了图像色彩,增强了各类细节,在峰值信噪比指标和结构相似度指标上取得了更高的分数,增强后的图像在特征点匹配实验中获得了更好的匹配效果。与其他算法相比,本文算法的另一个显著优点是其运算速度要快很多。 4 d, a Z. g6 T, O
8 P3 m% y9 K% C) k* A, L$ S, g A9 d关键词:深度学习;成像模型;图像增强;水下机器人;视觉感知 ) N, X; ]9 b6 i5 l* B
/ G) r% z: {. m5 l/ q; i2 c+ Q, `. L
' ]3 X2 ?# G- X! |8 B9 O