基于生成对抗网络的深海图像增强算法

在复杂的深海环境中提高图像的质量和可视化效果对水下科学研究和工程应用具有重要意义。针对深海特殊环境导致深海数据集稀缺,以及深海图像存在的色彩失真、对比度低等问题本文构建了一个成对的深海图像数据集DSIEB,并在此基础上提出了一种结合DC注意力和MSDR多尺度密集残差的生成对抗网络DM-GAN算法。首先,在网络跳跃连接部分构建DC双重通道注意力机制,用于加强通道间联系,提取图像细节纹理特征。其次,在生成器结构中嵌入MSDR多尺度密集残差块,提高对局部信息的关注和特征重用能力。最后,重构新的损失函数,引入平滑保真度SF损失,从多个角度引导网络学习原始图像到目标图像的映射。通过在自建数据集DSIEB上进行实验验证,并与7种先进水下图像增强算法进行对比实验,实验结果表明本文所提算法具有更强的泛化能力,适应于多样性的深海图像。

应用于水下机器人的快速深海图像复原算法

由于海水吸收和水中悬浮颗粒散射,水下机器人通过人造光源获得的深海图像普遍存在模糊、色偏和清晰度低等问题。围绕深海图像快速精准复原所需解决的关键问题,首先建立真实深海图像数据集,分析深海图像的成像特点,基于图像特征的统计结果提出一种线性景深模型,然后通过有监督方法进行模型参数辨识,最后根据景深模型分别快速估计出原始图像的传输地图和背景光,进而有效避免累计误差,实现深海图像的有效复原。实验结果表明,所提算法在图像复原结果、有效性、质量和实时性指标上均优于同类算法,在Nvidia Jetson TX2嵌入式设备上处理600 pixel×800 pixel大小的图像,平均复原速度是4种优秀水下图像增强算法中最快的3.08倍。

A new method for the estimation of oceanic mixed-layer depth using shipboard X-band radar images

Shipboard X-band radar images acquired on 24 June 2009 are used to study nonlinear internal wave characteristics in the northeastern South China Sea.The studied images show three nonlinear internal waves in a packet.A method based on the Radon Transform technique is introduced to calculate internal wave parameters such as the direction of propagation and internal wave velocity from backscatter images.Assuming that the ocean is a two-layer finite depth system,we can derive the mixed-layer depth by applying the internal wave velocity to the mixed-layer depth formula.Results show reasonably good agreement with in-situ thermistor chain and conductivity-temperature-depth data sets.