10.11857/j.issn.1674-5124.2021070003
图像增强水下自主机器人目标识别研究
为满足研发的水下自主机器人对水下环境目标识别的需求,针对退化的水下图像无法进行有效的目标检测的问题,提出一种基于水下光衰减先验(ULAP)的场景深度模型与对比度受限直方图均衡化(CLAHE)算法结合的图像增强新方法.该方法基于水下成像数学模型,构建深度图与绿蓝光的最大强度差和红光的线性关系,估计并推断出相对深度图,结合实际的深度场景推断各通道的传输图,获得未退化图像,并采用CLAHE算法来提高其对比度.通过YOLOv4目标检测网络对6种算法增强后的水下图像数据集进行训练与测试,实验表明,该方法可以有效提升各类水下图像清晰度和色彩增强,并且提高水下图像目标识别任务的准确率,为进一步开展水下自主机器人目标识别应用奠定基础.
图像增强;目标识别;机器人视觉;YOLOv4;AUV
47
TB9(计量学)
2021-12-13（万方平台首次上网日期，不代表论文的发表时间）
共6页
47-52
