水下单光子3D重建算法基于K-最近邻居
Hui Wang1, Su Qiu1, Taoran Lu1
1MOE Key Laboratory of Photoelectronic Imaging Technology and System, Beijing Institute of Technology, Beijing 100081, China.
Sensors (Basel, Switzerland)
|July 13, 2024
概括
这项研究引入了一种使用K-最近邻居 (KNN) 的新算法,以从单光子雪崩二极管 (SPAD) 成像中改进水下深度概况重建. 该方法通过减少散射效应来提高图像质量,从而更准确地检测目标.
科学领域:
- 光子学和光学工程的工程.
- 计算机视觉和图像处理
- 海洋学技术 海洋学技术
背景情况:
- 单光子雪崩二极管 (SPAD) 为水下检测提供高灵敏度和时间分辨率.
- 在水中的反向散射降低了SPAD系统重建图像的质量.
- 像素积累等现有的重建方法在高度分散的环境中是不够的.
研究的目的:
- 开发一种新的算法,用于高分辨率的水下深度形状重建.
- 为了解决当前在散射条件下的方法的局限性.
- 为了提高水下目标检测和成像的准确性.
主要方法:
- 提出了一种利用K-最近邻居 (KNN) 进行目标和背景分类的算法.
- 应用KNN来从时间光子直方图重建高分辨率的深度配置文件.
- 使用公共实验和模拟的水下数据集验证了算法.
主要成果:
- K-最近邻居 (KNN) 算法显著提高了深度配置文件重建的准确性.
- 实现了对陆地目标的RMSE减少57.12%,对模拟水下目标的RMSE减少23.45%.
- 对于像素积累和深度估计算法证明了增强的性能.
结论:
- 提出的基于KNN的算法有效地从时间光子直方图中重建高分辨率的深度配置文件.
- 这种方法克服了水下散射带来的挑战,提高了成像准确度.
- 该算法有助于推进水下检测和成像能力.
