Подводное компьютерное зрение - Underwater computer vision

Подводное компьютерное зрение является подполем компьютерное зрение. В последние годы с развитием подводных аппаратов ( ROV, АНПА, планеры ), необходимость иметь возможность записывать и обрабатывать огромные объемы информации становится все более важной. Области применения варьируются от инспекции подводных сооружений для морской индустрии до идентификации и подсчета рыб для биологических исследований. Однако независимо от того, насколько велико 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 в том, что в тот момент, когда камера опускается в воду, возникает целый ряд новых проблем. С одной стороны, камеры должны быть водонепроницаемыми, морская коррозия быстро портит материалы, а доступ к экспериментальным установкам и их модификации требуют больших затрат времени и ресурсов. С другой стороны, физические свойства воды заставляют свет вести себя по-разному, изменяя внешний вид одного и того же объекта с изменениями глубины, органического материала, течений, температуры и т. Д.

Приложения

  • Исследование морского дна
  • Автомобильная навигация и позиционирование[1]
  • Биологический мониторинг
  • Видеомозаика как визуальная навигационная карта
  • Инспекция трубопроводов
  • Визуализация обломков
  • Обслуживание подводных сооружений
  • Обнаружение утопления, например безопасность в бассейне

Средние различия

Освещение

В пасмурные дни в воздухе свет исходит от всего полушария, и в нем преобладает солнце. В воде молния исходит из конечного конуса над сценой. Это явление называется Окно Снеллиуса.

Ослабление света

В отличие от воздуха, вода экспоненциально ослабляет свет. Это приводит к нечетким изображениям с очень низким контрастом. Основными причинами ослабления света являются поглощение света (когда энергия отбирается от света) и рассеяние света, в результате чего направление света изменяется. Рассеяние света можно далее разделить на рассеяние вперед, что приводит к повышенной размытости, и рассеяние назад, которое ограничивает контраст и отвечает за характерную вуаль подводных изображений. Как на рассеяние, так и на затухание сильно влияет количество растворенного в воде органического вещества.

Еще одна проблема с водой заключается в том, что ослабление света зависит от длины волны. Это означает, что разные цвета затухают быстрее, чем другие, что приводит к ухудшению цвета. Красный и оранжевый свет ослабляются первыми, за ним следуют желтый и зеленый. Синий - это менее ослабленная длина волны.

Вызовы

В компьютерном зрении высокого уровня человеческие структуры часто используются в качестве функций изображения для сопоставления изображений в различных приложениях. Однако морское дно лишено таких особенностей, что затрудняет поиск соответствий на двух изображениях.

Для использования камеры в воде требуется водонепроницаемый корпус. Однако преломление произойдет на границе раздела жидкое стекло и стекло-воздух из-за разницы в плотности материалов. Это приводит к появлению нелинейной деформации изображения.

Еще одна особая проблема связана с движением автомобиля. Подводные аппараты постоянно движутся из-за течений и других явлений. Это вносит еще одну неопределенность в алгоритмы, когда небольшие движения могут появляться во всех направлениях. Это может быть особенно важно для видео слежение. Чтобы уменьшить эту проблему стабилизация изображения могут применяться алгоритмы.

Частые методы

Восстановление изображения

Восстановление изображения[2][3] стремится смоделировать процесс деградации, а затем инвертировать его, получив новое изображение после решения. Как правило, это сложный подход, требующий множества параметров, которые сильно различаются в зависимости от состояния воды.

Улучшение изображения

Улучшение изображения[4] напротив, только пытается обеспечить визуально более привлекательное изображение, не принимая во внимание процесс формирования физического изображения. Эти методы обычно проще и требуют меньше вычислительных ресурсов.

Коррекция цвета

Существуют разные алгоритмы, выполняющие автоматические коррекция цвета.[5][6] UCM (метод неконтролируемой коррекции цвета), например, делает это в следующих шагах: Сначала он уменьшает цветовой оттенок, выравнивая значения цвета. Затем он увеличивает контраст, растягивая красную гистограмму в сторону максимума, и, наконец, оптимизируются компоненты насыщенности и интенсивности.

Подводное стерео видение

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 и создать виртуальное изображение без этих эффектов.

Другие области применения

В последние годы сонары изображений[7][8] становятся все более доступными и имеют более высокое разрешение, обеспечивая более качественные изображения. Гидролокаторы бокового обзора используются для получения полного карты районов морского дна сшивание последовательностей сонарных изображений. Тем не менее, изображения сонара часто не имеют должного контраста и ухудшаются из-за артефактов и искажений из-за шума, изменения положения АПА / ТПА, несущего гидролокатор, или неоднородных диаграмм направленности. Еще одна распространенная проблема сонарного компьютерного зрения - сравнительно низкая частота кадров сонарных изображений.[9]

Рекомендации

  1. ^ Хорган, Джонатан; Тоул, Дэниел. «Приложения компьютерного зрения в навигации беспилотных подводных аппаратов» (PDF). Цитировать журнал требует | журнал = (помощь)
  2. ^ Ю. Шехнер, Йоав; Карпель, Нир. «Ясное подводное зрение». Proc. Компьютерное зрение и распознавание образов. я: 536–543.
  3. ^ Хоу, Вэйлинь; Дж. Грей, Дерик; Weidemann, Alan D .; А. Арноне, Роберт (2008). «Сравнение и проверка моделей точечного распространения для построения изображений в природных водах». Оптика Экспресс. 16 (13): 9958. Bibcode:2008OExpr..16.9958H. Дои:10.1364 / OE.16.009958. PMID  18575566.
  4. ^ Шеттини, Раймондо; Корчс, Сильвия (2010). «Обработка подводных изображений: современные методы улучшения изображений». Журнал EURASIP о достижениях в обработке сигналов. 2010: 14. Дои:10.1155/2010/746052.
  5. ^ Аккайнак, Дерья и Тали Трейбиц. "Sea-Thru: метод удаления воды с подводных изображений. "Труды конференции IEEE по компьютерному зрению и распознаванию образов. 2019.
  6. ^ Iqbal, K .; Odetayo, M .; Джеймс, А .; Салам, Р.А. «Улучшение изображений низкого качества с помощью неконтролируемых методов цветокоррекции» (PDF). Системный человек и кибернетика.
  7. ^ Mignotte, M .; Колле, К. (2000). "Марковское случайное поле и моделирование нечеткой логики в сонарных изображениях". Компьютерное зрение и понимание изображений. 79: 4–24. CiteSeerX  10.1.1.38.4225. Дои:10.1006 / cviu.2000.0844.
  8. ^ Червенка, Пьер; де Мустье, Кристиан (1993). "Методы обработки изображений сонара бокового обзора". Журнал IEEE по океанической инженерии. 18 (2): 108. Bibcode:1993IJOE ... 18..108C. Дои:10.1109/48.219531.
  9. ^ Trucco, E .; Petillot, Y.R .; Тена Руис, I. (2000). «Отслеживание функций в подводных видео- и сонарных последовательностях с приложениями». Компьютерное зрение и понимание изображений. 79: 92–122. Дои:10.1006 / cviu.2000.0846.