原文传递
海面雨雾环境下的无人艇光学图像恢复与语义分割算法
| 论文题名： | 海面雨雾环境下的无人艇光学图像恢复与语义分割算法 |
| 关键词： | 水面无人艇;图像去雾;图像去雨;语义分割;特征提取 |
| 摘要： | 为了响应国家建设海洋强国的号召，大力研究水面无人艇具有重大意义。无人艇作为小型舰艇具有机动灵活、活动范围大、连续作业时间长、建造成本低等特点，并逐渐成为国内外研究的焦点。水面无人艇的感知能力是水面无人艇进行作业的基础，对海面场景进行像素级的语义分割可以更深层次的支撑无人艇实现对可通行区域的准确辨识和对海面目标的精确定位识别。但在无人艇遇到复杂海况如雨、雾等天气时会导致自身的感知能力严重下降以至于水面无人艇无法正常执行任务。因此开展在复杂天气下的水面无人艇的图像去雾、去雨以及语义分割算法的研究具有重要的现实应用价值。本文依托于“QZ”水面无人艇实验平台，开展了对海面雨雾环境下的无人艇光学图像恢复算法与海面场景语义分割算法的研究，通过深度学习网络实现了有效去除海面图像上的雾、雨，将复杂天气下采集的图像恢复成高清图像，为了提高水面无人艇对环境的感知能力进行了海面场景的语义分割算法研究，本文主要工作与方案如下: 首先，通过研究发现海面图像中雾的出现复杂多变难以去除，本文提出GAN-U-Net++去雾网络。该网络改进生成器U-Net++网络中层与层之间的连接方式提高了对海面图像信息的利用率;提出坐标注意力机制提高了对海面上小目标在去雾过程中的边缘锐化能力从而提高目标的清晰度。 其次，利用变分自编码器生成模拟真实场景的带雨数据，结合多尺度图像上雨线的密度、方向以及分布上的相似性，提出了金字塔特征提取融合去雨网络。其中不同数量的粗特征提取融合模块与细特征提取融合模块的配合使用既可得出轻量化的去雨模型也可得到精细去雨模型从而提高了去雨网络的实时性、准确性。 最后，通过对纹理特征信息的统计与残差网络的研究，提出海面纹理特征学习语义分割算法。使用向量纹理统计算子与相邻纹理统计算子的基本结构组成了纹理特征增强模块与多尺度纹理特征提取模块从而提高了海面场景的语义分割能力。 |
| 作者： | 魏星 |
| 专业： | 船舶与海洋结构物设计制造 |
| 导师： | 王博 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
