近年來,水下圖像和視頻在海洋軍事、海洋工程、海洋研究等領域扮演著越來越重要的角色,從深海中獲得高質量的圖像對這些領域來說就顯得尤為重要。但是較差的水下成像環(huán)境以及光照條件使得在水下拍攝的圖像常常具有顏色失真、紋理模糊和對比度低等質量退化問題,本文針對這一課題進行了廣泛的文獻調研,了解到目前水下圖像恢復的方法主要分為傳統方法和基于生成式對抗網絡的深度學習方法,其中,傳統方法受假設條件和先驗知識局限,模型不準確且顏色修正效果不理想,現有的基于生成式對抗網絡的方法可以在一定程度上校正水下圖像的顏色,但是它們使用生成式對抗網絡生成數據集,忽略了水下成像的光學屬性,魯棒性不強,并且圖像復原的效果不理想。本文針對以上問題展開研究,研究內容和主要貢獻包括以下幾點。第一,針對成對的清晰水下圖像和退化水下圖像數據集難以獲取的問題,提出了基于水下成像的光學原理的退化水下圖像的模擬方法。本文根據水下成像的物理學原理,即光在水下傳播會呈指數發(fā)生衰減,并且不同顏色的光的衰減程度不同,構造了生成退化水下圖像的模擬器,并使用該模擬器對每一張清晰的水下圖像生成17種不同的退化水下圖像,最終構成多組成對的清晰和退化的水... 

【文章來源】：廈門大學福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：84 頁

【學位級別】：碩士

【部分圖文】：

圖１．１水下圖像在實際應用中的例子??

圖１．３不同顏色的光在水中具有不同的穿透能力ｗ??

圖１．２水下光學成像模型Ｗ??


本文編號：3569055