概括
这项研究引入了一种无监督的方法,用于使用双眼估计和极化进行水下图像恢复. 该技术通过减少噪音和保存细节来提高图像清晰度,改善水生环境中的可见性.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 光学工程是指光学工程.
背景情况:
- 水下图像质量因悬浮颗粒的散射而降低,减少场景辐射.
- 有效的水下图像恢复对于各种应用至关重要,包括海洋研究和自主导航.
研究的目的:
- 开发一种无监督的水下图像恢复方法,利用双眼估计和两极分化.
- 与现有方法相比,改善恢复的水下图像的准确性和细节保存.
主要方法:
- 结合深度和偏振信息,利用水下传输和深度之间的相关性.
- 使用神经网络进行全球优化,并动态计算和更新深度信息.
- 减少与偏振参数计算相关的错误,以增强细节恢复.
主要成果:
- 拟议的方法有效地减少了原始水下图像中的噪音.
- 现场的详细信息在修复后保存得很好.
- 这种方法减轻了对训练数据严格配对的需求,这是基于神经网络的水下成像的常见局限性.
结论:
- 无监督的方法为水下图像恢复提供了强大的解决方案.
- 将深度和偏振信息与神经网络集成,显著提高了图像质量.
- 这种技术为改善水下视觉数据提供了更灵活,更有效的方法.
