深入水下: 无人机图像增强在目标检测中的作用

水下图像常常严重退化，导致视觉质量低下和目标检测性能受到影响。本工作旨在评估最新无人机图像增强模型，探讨其对水下目标检测的影响，并探索其潜在的检测性能提升作用。为此，我们应用了九个最新的水下图像增强模型，涵盖物理模型、非物理模型和基于学习的模型类别，应用于两个最新的水下图像数据集。随后，我们对原始图像和增强后图像进行定性和定量分析，揭示两者之间的差异，并分析增强后图像质量分布的变化。我们随后在原始数据集上训练了三个最新的目标检测模型，选取表现最佳的检测器进行进一步分析。该检测器随后在增强后的数据集上重新训练，以评估检测性能的变化，揭示了增强在数据集层面对检测性能的不利影响。接下来，我们进行相关性研究，以检查各种增强指标与平均精度 (mAP) 之间的关系。最后，我们进行了图像级别的分析，揭示了增强后检测性能提升的图像。本研究的发现表明，图像增强有望提高检测性能，并为研究人员进一步探索增强对检测影响提供了宝贵的见解，他们可以在单个图像级别上进行，而非在数据集层面上进行。这可能会启用针对检测的选择性增强，以实现更好的检测。生成的数据、开发的代码和补充材料已公开可用：https://github.com/RSSL-MTU/Enhancement-Detection-Analysis。