真实世界水下图像增强：挑战、基准与解决方案
计算机视觉与模式识别
2019-03-07 v2
摘要
水下图像增强是一项具有重要应用价值的底层视觉任务，近年来已提出众多算法。这些基于不同假设发展起来的算法，利用不同数据集与不同评价指标，从各个方面取得了成功。在本工作中，我们搭建了一套海底图像采集系统，并构建了一个大规模真实世界水下图像增强(RUIE)数据集，划分为三个子集。这三个子集分别针对增强的三个挑战性方面，即图像可见性质量、色彩偏差以及更高层次的目标检测/分类。我们在RUIE上进行了广泛而系统的实验，以评估各类算法在具有层次化退化类别的图像上增强可见性与校正色彩偏差的效果与局限。此外，实际中的水下图像增强通常作为中层与高层视觉任务的预处理步骤。因此我们引入增强图像上的目标检测性能作为一种全新的任务导向评价指标。这些评估的发现不仅印证了普遍认知，也为真实世界水下图像的可见性增强、色彩校正与目标检测指明了有前景的解决方案与新方向。
引用
@article{arxiv.1901.05320,
title = {Real-world Underwater Enhancement: Challenges, Benchmarks, and Solutions},
author = {Risheng Liu and Xin Fan and Ming Zhu and Minjun Hou and Zhongxuan Luo},
journal= {arXiv preprint arXiv:1901.05320},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1712.04143 by other authors