水下照明和增强在人工智能与船海工程中的应用

考虑到随着水深的增加而导致的光衰减问题，一般在水下作业的时候都会采取照明措施，LED灯是较为常见的水下照明设备，无论是水下机器人还是水下潜器一般都会安装类似的设备来增加作业范围内的光照强度。本节总结已经特别专注于解决照明问题的方法，在前面已经介绍了一些，本节关注其中较为关键的技术。

Garcia等人分析了如何解决水下成像中的光照问题，并对不同的技术进行了综述。起点是照度—反射率模型，其中照相机感测的图像f（x，y）被认为是照度i（x，y）、反射率函数r（x，y）和增益因子g（x，y）加上偏移项o（x，y）的乘积：

由于光源和相机灵敏度的影响，乘法因子cm（x，y）＝g（x，y）·i（x，y）可以忽略偏移项建模为光滑函数。为了模拟非均匀照明，Garcia等人提出了一种高斯平滑的图像版本。平滑图像旨在估计照明场（和相机灵敏度）对每个像素的影响。通过平滑图像fs逐点分割获得所获取的图像，从而得到理想图像的估计rideal：

其中，δ是归一化常数。接下来，强调所得到的图像的对比度，从而产生r的均衡化版本。

一些学者通过对图像施加局部均衡来补偿非均匀照明的影响，照明不均匀性要求对图像的不同区域进行特殊处理，这取决于它们所接收的光量。该策略包括定义nxn邻域，计算该区域的直方图，应用均衡函数，仅需修改邻域的中心点。

另一个模型包括应用同态滤波，该方法假设照明因子在视场中平滑地变化，在图像的傅里叶变换中产生低频（忽略偏移项），取方程（5-11）的对数，将乘法效应转化为加性效应，得到：

对式（5-13）进行傅里叶变换：(www.xing528.com)

其中，F（u，v），Cm（u，v）和R（u，v）是ln f（u，v），ln Cm（u，v）和ln r（u，v）的傅里叶变换，低频可以通过将这些分量乘以H给出的高通同态滤波器来抑制。

当w0是截止频率时，s是一个乘法因子，而ρ是一个偏移项。该滤波器不仅衰减了非均匀照明，而且增强了高频，锐化了边缘。

Rzhanov等人提出了改进的水下视频图像拼接技术和应用。这些应用对许多海洋科学家都有用，可以创建高分辨率海底地图。处理上的改进涉及消除帧间变化和照明、加快镶嵌处理以及提高变换参数估计的精度。结果给出了在各种情况和场景下获取的真实数据。计算中忽略乘法常数Cm，考虑场景的光照作为从原始图像中减去的附加因子：

其中，φ（x，y）是一个二维多项式样条函数，δ是正规化常数。

Garcia等人对两种典型水下情况下的不同照明修正策略进行了测试和比较。第一个在日落时间考虑在浅水中获取的图像（模拟深海）。车辆携带自己的光产生图像中心的亮点。第二序列的图像是在光照较好的晴天在浅水中获得。比较的评价方法是定性的，通过同态滤波和平滑图像的逐点校正得到了最好的结果。