Advanced Underwater Image Quality Enhancement via Hybrid Super-Resolution Convolutional Neural Networks and Multi-Scale Retinex-Based Defogging Techniques

要約

この研究レポートでは、光の散乱、吸収、霧のような粒子による水中画像の劣化の問題が取り上げられ、解像度の低下や視認性の低下につながります。
これらの問題に対処するために、マルチスケール レティネックス (MSR) の曇り除去方法と超解像度畳み込みニューラル ネットワーク (SRCNN) を組み合わせた高度なハイブリッド戦略を提案します。
Retinex アルゴリズムは人間の視覚認識を模倣して照明の不均一さや曇りを軽減し、SRCNN コンポーネントは水中写真の空間解像度を向上させます。これらの方法を組み合わせることで、水中画像の鮮明さ、コントラスト、色の復元を向上させることができます。
困難な水中での画質を向上させる信頼性の高い方法を提供します。
この研究では、提案されたアプローチの有効性をさらに実証するために、現実の水中データセットに対して広範な実験が行われています。
鮮明さ、視認性、特徴保持の点で、構造類似性指数測定 (SSIM) やピーク信号対雑音比 (PSNR) などのメトリクスを使用した定量的評価は、従来の技術に比べて顕著な進歩を示しています。
海洋探査、水中ロボット工学、自律型水中ビークルなどでは、鮮明で高解像度のイメージングが運用の成功に不可欠であり、ディープラーニングと従来の画像処理技術を組み合わせることで、優れた結果をもたらす計算効率の高いフレームワークが提供されます。

要約(オリジナル)

The difficulties of underwater image degradation due to light scattering, absorption, and fog-like particles which lead to low resolution and poor visibility are discussed in this study report. We suggest a sophisticated hybrid strategy that combines Multi-Scale Retinex (MSR) defogging methods with Super-Resolution Convolutional Neural Networks (SRCNN) to address these problems. The Retinex algorithm mimics human visual perception to reduce uneven lighting and fogging, while the SRCNN component improves the spatial resolution of underwater photos.Through the combination of these methods, we are able to enhance the clarity, contrast, and colour restoration of underwater images, offering a reliable way to improve image quality in difficult underwater conditions. The research conducts extensive experiments on real-world underwater datasets to further illustrate the efficacy of the suggested approach. In terms of sharpness, visibility, and feature retention, quantitative evaluation which use metrics like the Structural Similarity Index Measure (SSIM) and Peak Signal-to-Noise Ratio (PSNR) demonstrates notable advances over conventional techniques.In real-time underwater applications like marine exploration, underwater robotics, and autonomous underwater vehicles, where clear and high-resolution imaging is crucial for operational success, the combination of deep learning and conventional image processing techniques offers a computationally efficient framework with superior results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google