文献类型：期刊文章

作　　者：郭雨青[1] 曾庆军[2] 夏楠[2] 孙啸天[2] 许赫威[2]

GUO Yuqing;ZENG Qingjun;XIA Nan;SUN Xiaotian;XU Hewei(School of Computer Science,Jiangsu University of Science and Technology,Zhenjiang 212028,China;School of Telecommunications,Jiangsu University of Science and Technology,Zhenjiang 212028,China)

机构地区：[1]江苏科技大学计算机学院,江苏镇江212028 [2]江苏科技大学电子信息学院,江苏镇江212028

出　　处：《中国测试》

基　　金：国家自然科学基金项目(11574120);江苏省产业前瞻与共性关键技术项目(BE2018103);江苏省研究生实践创新计划(SJCX21_1744)。

年　　份：2021

卷　　号：47

期　　号：11

起止页码：47-52

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、IC、JST、UPD、ZGKJHX、核心刊

摘　　要：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。

关 键 词：图像增强 目标识别 机器人视觉 YOLOv4  AUV

分 类 号：TB9]