Подводное компьютерное зрение
Подводное компьютерное зрение — это подобласть компьютерного зрения . В последние годы с развитием подводных аппаратов ( ROV , AUV , планеров ) необходимость иметь возможность записывать и обрабатывать огромные объемы информации становится все более актуальной. Область применения варьируется от обследования подводных сооружений для морской промышленности до идентификации и подсчета рыб для биологических исследований. Однако, каким бы большим ни было влияние этой технологии на промышленность и исследования, она все еще находится на очень ранней стадии развития по сравнению с традиционным компьютерным зрением. Одна из причин этого заключается в том, что в тот момент, когда камера погружается в воду, возникает совершенно новый набор проблем. С одной стороны, камеры должны быть водонепроницаемыми, морская коррозия быстро разрушает материалы, а доступ к экспериментальным установкам и их модификация требуют больших затрат времени и ресурсов. С другой стороны, физические свойства воды заставляют свет вести себя по-разному, меняя внешний вид одного и того же объекта при изменении глубины, органического материала, течений, температуры и т. д.
Приложения [ править ]
- Исследование морского дна
- Навигация и позиционирование автомобиля [1]
- Биологический мониторинг
- Видеомозаики как визуальные навигационные карты
- Проверка трубопровода
- Визуализация обломков
- Обслуживание подводных сооружений
- Обнаружение утопления, например, безопасность бассейна
Средние различия
Освещение [ править ]
В воздухе в пасмурные дни свет исходит со всего полушария, и в нем преобладает солнце. В воде освещение исходит из конечного конуса над сценой. Это явление называется окном Снелла .
Ослабление света [ править ]
В отличие от воздуха, вода экспоненциально ослабляет свет. Это приводит к размытым изображениям с очень низкой контрастностью. Основными причинами ослабления света являются поглощение света (когда энергия удаляется из света) и рассеяние света, при котором изменяется направление света. Рассеяние света можно далее разделить на рассеяние вперед, приводящее к повышенной размытости, и рассеяние назад, ограничивающее контраст и ответственное за характерную вуаль подводных изображений. Как на рассеяние, так и на затухание сильно влияет количество растворенных или взвешенных в воде органических веществ.
Другая проблема с водой заключается в том, что затухание света зависит от длины волны. Это означает, что разные цвета ослабляются быстрее или медленнее, чем другие, что приводит к ухудшению цвета. Красный и оранжевый свет ослабляются первыми, за ними следуют желтый и зеленый. Синий — это наименее ослабленная длина волны света.
Этот раздел необходимо расширить за счет: ослабления света из-за мутности. Вы можете помочь, добавив к нему . ( март 2021 г. ) |
Проблемы [ править ]
В компьютерном зрении высокого уровня человеческие структуры часто используются в качестве признаков изображения для сопоставления изображений в различных приложениях. Однако морское дно лишено таких особенностей, поэтому найти соответствия на двух изображениях сложно.
Для использования камеры в воде необходим водонепроницаемый корпус. Однако преломление будет происходить на границе раздела вода-стекло и стекло-воздух из-за различий в плотности материалов. Это приводит к нелинейной деформации изображения.
Движение транспортного средства представляет собой еще одну особую проблему. Подводные аппараты постоянно движутся из-за течений и других явлений. Это вносит в алгоритмы еще одну неопределенность, поскольку небольшие движения могут возникать во всех направлениях. Это может быть особенно важно для отслеживания видео . Чтобы уменьшить эту проблему, стабилизации изображения можно применить алгоритмы .
Частые методы [ править ]
Восстановление изображения [ править ]
Восстановление изображения [2] [3] Цель – смоделировать процесс деградации, а затем инвертировать его, получив новое изображение после решения. Как правило, это сложный подход, требующий множества параметров. [ нужны разъяснения ] которые сильно различаются в зависимости от состояния воды.
Улучшение изображения [ править ]
Улучшение изображения [4] пытается лишь создать визуально более привлекательное изображение, не принимая во внимание физический процесс формирования изображения. Эти методы обычно проще и требуют меньше вычислительных затрат.
Цветокоррекция [ править ]
Существуют различные алгоритмы, выполняющие автоматическую коррекцию цвета . [5] [6] Например, UCM (метод неконтролируемой цветокоррекции) делает это в следующие этапы: во-первых, он уменьшает цветовой оттенок путем выравнивания значений цвета. Затем он усиливает контраст, растягивая красную гистограмму к максимуму и, наконец, оптимизируя компоненты насыщенности и интенсивности.
Подводное стереозрение [ править ]
Обычно предполагается, что стереокамеры были предварительно откалиброваны геометрически и радиометрически. Это приводит к предположению, что соответствующие пиксели должны иметь одинаковый цвет. Однако это не может быть гарантировано в подводной сцене из-за дисперсии и обратного рассеяния, как упоминалось ранее. Однако можно смоделировать это явление в цифровом виде и создать виртуальное изображение, удалив эти эффекты.
Другие области применения [ править ]
В последние годы гидролокаторы визуализации [7] [8] становятся все более доступными и приобретают разрешение, обеспечивая более качественные изображения. Гидролокаторы бокового обзора используются для создания полных карт регионов морского дна, объединяющих последовательности гидролокационных изображений. Однако изображениям гидролокатора часто не хватает должного контраста, и они ухудшаются из-за артефактов и искажений из-за шума, изменения положения AUV/ROV, несущего гидролокатор, или неравномерной диаграммы направленности луча. Еще одна распространенная проблема гидролокационного компьютерного зрения — сравнительно низкая частота кадров гидролокационных изображений. [9]
Ссылки [ править ]
- ^ Хорган, Джонатан; Тоал, Дэниел (2009). «Применение компьютерного зрения в навигации беспилотных подводных аппаратов». Подводные аппараты . дои : 10.5772/6703 . ISBN 978-953-7619-49-7 . S2CID 2940888 .
- ^ Ю. Шехнер, Йоав; Карпель, Нир. «Четкое подводное видение». Учеб. Компьютерное зрение и распознавание образов . Я : 536–543.
- ^ Хоу, Вэйлинь; Дж. Грей, Дерик; Вайдеманн, Алан Д.; А.Арноне, Роберт (2008). «Сравнение и проверка моделей распределения точек для построения изображений в природных водах» . Оптика Экспресс . 16 (13): 9958–9965. Бибкод : 2008OExpr..16.9958H . дои : 10.1364/OE.16.009958 . ПМИД 18575566 .
- ^ Скеттини, Раймондо; Корчс, Сильвия (2010). «Обработка подводных изображений: современные методы улучшения изображения» . Журнал EURASIP о достижениях в области обработки сигналов . 2010 : 14. дои : 10.1155/2010/746052 .
- ^ Аккайнак, Дерья и Тали Трейбиц. « Sea-Thru: метод удаления воды с подводных изображений ». Материалы конференции IEEE по компьютерному зрению и распознаванию образов. 2019.
- ^ Икбал, К.; Одетайо, М.; Джеймс, А.; Салам, Р.А. «Улучшение изображений низкого качества с помощью методов неконтролируемой цветокоррекции» (PDF) . Системный человек и кибернетика . [ мертвая ссылка ]
- ^ Миньотт, М.; Колле, К. (2000). «Марковское случайное поле и моделирование нечеткой логики в гидролокационных изображениях». Компьютерное зрение и понимание изображений . 79 : 4–24. CiteSeerX 10.1.1.38.4225 . дои : 10.1006/cviu.2000.0844 .
- ^ Червенка, Пьер; де Мустье, Кристиан (1993). «Методы обработки изображений сонара бокового обзора». Журнал IEEE океанической инженерии . 18 (2): 108. Бибкод : 1993IJOE...18..108C . дои : 10.1109/48.219531 .
- ^ Трукко, Э.; Петильо, Ю.Р.; Тена Руис, И. (2000). «Отслеживание функций подводных видео и гидролокаторов с помощью приложений». Компьютерное зрение и понимание изображений . 79 : 92–122. дои : 10.1006/cviu.2000.0846 .