基于颜色校正和深度信息去雾的水下感知系统
摘要
针对水下距离感知任务真实训练数据缺乏，水下目标感知任务目标模糊、密集、多尺度的问题，提出一种基于颜色校正和深度信息去雾的水下视觉感知系统。设计了一种改进的融合增强方法，并建立了一个水下单目图像数据集，以解决距离感知任务数据不足的难点。设计了一种基于深度信息的去雾方法，结合水下成像模型对图像进行去雾处理，提升图像质量。设计了一种基于中心点检测的通道重排网络，将卷积神经网络中浅层的详细特征完全集成到深层中，且无需锚框，增强对小目标、密集目标的特征提取能力。实验表明，该系统可从水下图像中恢复真实陆地色彩，准确感知水下场景相对距离，并实现域内和跨域高精度目标感知，在URPC数据集上取得了78.2%的域内目标检测精度，比基准CenterNet高出4.6%，在UTTS数据集上取得81.5%跨域目标检测精度，证明了该系统的有效性。
引用本文（GB/T 7714）
毛昭勇 MAO Zhaoyong, 刘楠 LIU Nan, 陈刚琦 CHEN Gangqi, 等. 基于颜色校正和深度信息去雾的水下感知系统[J]. ACTA PHOTONICA SINICA, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。