深度学习驱动的水下图像预处理研究进展综述

作     者：彭小红 梁子祥 张军 陈荣发 PENG Xiaohong;LIANG Zixiang;ZHANG Jun;CHEN Rongfa

作者机构：广东海洋大学数学与计算机学院广东湛江524088 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2021年第57卷第13期

页      面：43-54页

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：南方海洋科学与工程广东省实验室项目(ZJW-2019-06) 广东海洋大学重大科研项目(GDOU2017052605)。 

主　　题：深度学习 图像预处理 物理模型 水下图像 

摘      要：水下图像是海洋信息的重要载体,由于水下环境十分复杂,原始水下图像常常具有大量噪声,对后续的检测任务造成影响,因此水下图像预处理成为当前研究的热点。为了深入分析国内外学者对深度学习驱动的水下图像预处理研究进展,对近年来国内外相关文献进行总结分析。介绍了两类传统水下图像预处理方法,并分析其优缺点;根据是否结合物理模型,分析了深度学习驱动的水下图像预处理方法,并将相关方法进行对比总结;分析了深度学习方法的改进,主要从轻量化和提高鲁棒性和适应性两个方面论述;阐述了深度学习驱动的水下图像预处理方法目前存在的问题,并对未来的研究发展方向进行展望。