基于图像增强的鳕鱼识别

摘要：

在水下目标识别的过程中,由于水下环境复杂,且水体对光线存在吸收和散射,图像获取会出现色偏、雾化以及失真等细节丢失问题,进而影响水下目标识别的精度.针对这种问题,提出一种水下图像增强的方法,即首先使用生成式对抗网络对图像进行颜色矫正和细节恢复,再利用相对全局直方图拉伸(RGHS)对图像进行对比度以及亮度调整,最大程度上还原图像本来的颜色.实验发现,采用所提算法增强后的鳕鱼图片在主观和客观评价上都得到了提升;利用添加了SE注意力机制的YOLOv5算法对增强后的鳕鱼图像进行训练识别,并与原始图像的训练结果进行比较,结果发现识别平均准确率提升了14％,训练周期数由原来的300个降低到150个,检测速度保持在143 frame/s.

关键词：图像增强、生成式对抗网络、RGHS、YOLOv5

所属期刊栏目：31

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2022-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：64-71