由于水的吸收和悬浮粒子的散射作用,水下图像出现色偏、对比度降低以及细节模糊等问题,影响水下视觉同步定位与地图构建(Simultaneous localization and mapping,SLAM)前端特征提取和特征匹配。针对上述问题,提出一种用于水下视觉SLAM...由于水的吸收和悬浮粒子的散射作用,水下图像出现色偏、对比度降低以及细节模糊等问题,影响水下视觉同步定位与地图构建(Simultaneous localization and mapping,SLAM)前端特征提取和特征匹配。针对上述问题,提出一种用于水下视觉SLAM前端的多尺度融合与细节突显的图像增强算法。首先,提出一种改进颜色通道补偿的颜色校正方法,用于校正水下图像色偏;其次,利用曝光融合框架对颜色校正的水下图像对比度进行增强;然后,将颜色校正图像和对比度增强图像进行多尺度融合;最后,采用非锐化掩模对融合图像进行细节突显,进而得到视觉效果较好的增强图像。实验结果表明,与其他算法相比,该算法处理后的水下图像在颜色平衡、对比度、细节以及清晰度等方面的效果较好,同时还增加了特征点和特征匹配对数,显著改善了水下视觉SLAM前端的特征提取和特征匹配。展开更多
文摘由于水的吸收和悬浮粒子的散射作用,水下图像出现色偏、对比度降低以及细节模糊等问题,影响水下视觉同步定位与地图构建(Simultaneous localization and mapping,SLAM)前端特征提取和特征匹配。针对上述问题,提出一种用于水下视觉SLAM前端的多尺度融合与细节突显的图像增强算法。首先,提出一种改进颜色通道补偿的颜色校正方法,用于校正水下图像色偏;其次,利用曝光融合框架对颜色校正的水下图像对比度进行增强;然后,将颜色校正图像和对比度增强图像进行多尺度融合;最后,采用非锐化掩模对融合图像进行细节突显,进而得到视觉效果较好的增强图像。实验结果表明,与其他算法相比,该算法处理后的水下图像在颜色平衡、对比度、细节以及清晰度等方面的效果较好,同时还增加了特征点和特征匹配对数,显著改善了水下视觉SLAM前端的特征提取和特征匹配。
