融合同态滤波与MSR算法的低照度船舶图像增强

传统的Retinex算法针对海上低照度船舶图像增强存在图像过度曝光、细节丢失以及边缘模糊等现象。因此,提出一种结合多尺度Retinex和同态滤波的改进算法。首先,对输入图像的RGB三通道利用改进的单参数同态滤波器进行处理,将处理后的图像转为HSV空间,其中采取自适应增强S分量;由多尺度Retinex算法估计其光照分量并由CLAHE算法均衡化,随之融合Gamma变换处理后的反射分量,融合后通过拉普拉斯算子对其边缘进行增强。最后有效融合校正后的光照分量与边缘增强后的反射分量,输出增强图像。通过实验结果对比分析,证实提出的算法有利于海上低照度船舶图像清晰度的提升及避免细节丢失和图像过曝问题的产生。

基于人工智能的海洋牧场养殖区船舶闯入检测

我国沿海城市拥有许多优质的海洋牧场养殖区,因其存在海洋内,过往船只会破坏养殖结构,养殖区也会有不法分子驾船闯入。海洋养殖缺乏给渔民用的船舶闯入先进检测系统,以人工智能深度学习方法YOLOv5算法检测闯入区域的船舶,为海洋牧场养殖户提供便利智能化手段,监测养殖区船舶闯入情况。在性能指标上,改进后的SC-YOLOv5显著提升了对皮划艇类小型船舶检测效果,取得了71.7%的mAP。小型船舶如皮划艇、橡皮艇、快艇、舢板船4类取得了63.0%的mAP;大型船舶如工程船、客船、能源船、渔船4类取得了80.4%的mAP,船舶检测模型能较好完成检测任务,提高水产养殖安全。