水下计算机视觉

水下计算机视觉是计算机视觉的一个子领域。近年来，随着水下交通工具（ROV、AUV、滑翔机）的发展，能够记录和处理大量信息的需求已变得越来越重要。应用范围包括从海上工业的水下结构检查到生物研究的鱼类识别和计数。然而，无论这项技术对工业和研究的影响有多大，与传统的计算机视觉相比，它仍然处于一个非常早期的发展阶段。其中一个原因是，当相机进入水中的那一刻，一系列全新的挑战出现了。一方面，相机必须是防水的，海洋腐蚀使材料迅速恶化，进入和修改实验装置在时间和资源上都很昂贵。另一方面，水的物理特性使光的表现不同，随着深度、有机物、水流、温度等的变化，同一物体的外观也会改变。

海底调查车辆导航和定位生物监测视频马赛克作为视觉导航图管道检查残骸可视化水下结构维护溺水检测，如游泳池安全介质差异照明在空气中，阴天时光线来自整个半球，并以太阳为主。在水中，照明来自场景上方的一个有限的锥体。这种现象被称为斯奈尔窗。

与空气不同，水对光的衰减是指数级的。这导致了对比度非常低的朦胧图像。光线衰减的主要原因是光的吸收（能量从光线中被移除）和光的散射，通过这种方式，光线的方向被改变。光散射可进一步分为前向散射和后向散射，前向散射导致模糊度增加，后向散射限制了对比度，是造成水下图像特有面纱的原因。散射和衰减都受到溶解或悬浮在水中的有机物数量的严重影响。水的另一个问题是，光的衰减是波长的一个函数。这意味着不同的颜色会比其他颜色衰减得更快或更慢，从而导致颜色退化。红色和橙色的光是最先被衰减的，其次是黄色和绿色。蓝色是衰减最少的视觉波长。

在高水平的计算机视觉中，人类的结构经常被用作图像特征，用于不同应用中的图像匹配。然而，海底缺乏这样的特征，使得它很难在两幅图像中找到对应关系。为了能够在水中使用相机，需要一个水密的外壳。然而，由于材料的密度不同，折射会在水-玻璃和玻璃-空气界面发生。这具有引入非线性图像变形的效果。车辆的运动带来了另一个特殊的挑战。水下交通工具由于水流和其他现象而不断移动。这给算法带来了另一个不确定性，小的运动可能出现在各个方向。这对视频跟踪来说可能特别重要。为了减少这个问题，可以采用图像稳定算法。

图像复原图像复原的目的是对退化过程进行建模，然后将其反转，在解决后获得新的图像。这通常是一种复杂的方法，需要大量的参数，而这些参数在不同的水条件下有很大的差异。

图像增强只试图提供一个视觉上更吸引人的图像，而不考虑物理图像的形成过程。这些方法通常比较简单，计算量也不大。

存在不同的算法来进行自动颜色校正。例如，UCM（无监督色彩校正法），通过以下步骤完成。首先，它通过均衡色值减少偏色。然后，它通过将红色直方图向xxx值拉伸来增强对比度，最后对饱和度和强度成分进行优化。

通常假设立体相机已经事先进行了几何和辐射测量的校准。这导致了相应的像素应该有相同的颜色的假设。然而，由于前面提到的色散和反向散射，这在水下场景中是无法保证的。然而，有可能对这种现象进行数字建模，并创建一个去除这些影响的虚拟图像。

近年来，成像声纳已经变得越来越容易获得，并获得了分辨率，提供了更好的图像。