相关实验视频
Updated: Jun 11, 2025
10:56
Long-term Behavioral Tracking of Freely Swimming Weakly Electric Fish
Published on: March 6, 2014
12.5K
用于水下物体检测的UICE-MIRNet引导图像增强
Pratima Sarkar1,2, Sourav De3, Sandeep Gurung4
1Department of Computer Science and Engineering, Sikkim Manipal Institute of Technology, Sikkim Manipal University, Rangpo, Sikkim, 737136, India. psmoon2@gmail.com.
Scientific reports
|September 28, 2024
概括
这项研究引入了UICE-MIRNet,一种增强的水下图像技术,用于改善低光条件下对象检测. 该方法提高了可见性和色彩,优于现有的海洋资源监测方法.
科学领域:
- 计算机视觉 计算机视觉
- 海洋生物学 海洋生物学
- 图像处理 图像处理
背景情况:
- 水下物体检测对于海洋生态系统监测至关重要.
- 低光和分散的照明条件对计算机视觉系统构成重大挑战.
- 现有的方法难以提高水下图像的可见性和色彩.
研究的目的:
- 提出一种增强的水下图像技术,UICE-MIRNet,用于改进物体检测.
- 为了解决水下环境中低光和低颜色引起的可见性问题.
- 为了提高在海洋环境中检测小,多重和密集的物体.
主要方法:
- 开发了UICE-MIRNet,这是MIRNet的一个专门版本,专注于亮度和色彩增强.
- 引入了水下图像-色彩增强块 (UI-CEB) 进行有针对性的色彩校正.
- 集成UICE-MIRNet与YOLOv4对象检测模型,以提高性能.
- 利用卷积流,特征融合和特征选择来实现强大的图像处理.
主要成果:
- UICE-MIRNet有效地增强了水下图像的色彩,并限制了水下图像的亮度.
- 增强的图像显著提高了YOLOv4物体检测模型的性能.
- 使用UIQM,UCIQE,和PSNR进行的定量评估显示出卓越的性能.
- 拟议的方法在和垃圾-ICRA19数据集上优于现有的图像增强和恢复技术.
结论:
- UICE-MIRNet为水下图像增强提供了强大的解决方案,这对于精确的物体检测至关重要.
- 这种技术成功地解决了照明不良和低颜色和度所带来的挑战.
- 这一进步有助于更有效地监测水产养殖资源和海洋生态系统.
