深度学习驱动的水下图像增强与复原研究进展

水下图像是水下信息的重要载体和呈现方式,对海洋资源的探索、开发、利用具有至关重要的作用。然而,由于客观成像环境和设备的限制,水下图像质量总是差强人意,具有对比度低、细节模糊、颜色偏差等退化现象,严重制约相关领域的发展。因此,如何通过后期算法对退化的水下图像进行增强和复原越来越受到学者们的关注。近些年,随着深度学习技术的快速发展,基于深度学习的水下图像增强与复原技术取得了巨大进展。为了更加全面、立体地对现有方法进行梳理与归纳,紧跟最新研究进展,本文着重对深度学习驱动的水下图像增强与复原的方法和模型进行介绍,详细整理现有的水下图像数据集,分析现有基于深度学习方法的关键问题,并对未来发展方向进行展望。

水下图像处理软件与质量评价系统设计

针对水下图像模糊不清、水下图像增强与复原算法选择与图像质量评价问题,采用Python程序对几种经典的水下图像处理算法原理进行了分析与仿真复现,通过将算法、程序与图像质量评价指标相结合,设计了一款水下图像处理软件。软件可综合实现各类水下图像的处理,也可以为不同类型的水下图像选取合适的水下图像处理算法。设计的水下图像处理软件使用简单,操作方便,可以实现经典水下图像处理算法的可视化和客观质量评价,便于人们对水下图像处理算法的理解与分析。