基于双目视觉的水下立体匹配方法研究

作     者：刘豪 

作者单位：华中科技大学 

学位级别：硕士

导师姓名：刘德明

授予年度：2022年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：水下图像增强 双目视觉 立体匹配 深度学习 

摘      要：海洋作为地球上最大的资源宝库,充分开发海洋资源对国家发展有着重要的战略意义,而各种水下探测技术以及勘探设备则是必要的前提和基础。21世纪以来,人们对水下探测精度的需求不断提升,探测方案逐步从水声(声呐)向水光(水下相机)转型。基于结构光的水光探测技术,通过向目标物体照射具有特定编码的光斑并对反射光进行解调,从而获取目标的三维信息,但该方案存在着照明光源要求高、设备昂贵、解调算法复杂等缺点。而基于双目视觉的水光探测技术,仅通过两个水下相机即可获取目标的三维信息,具有精度高、系统结构简单和成本较低等优点。不同于空气中的图像,水下图像往往存在颜色失真、对比度差和细节模糊等退化问题,对水下观测和测量带来了很大的影响。针对上述问题,本文基于双目视觉技术,分别对水下图像质量增强和立体匹配技术进行了研究,论文的主要内容和成果如下:(1)针对水下图像质量差问题,提出了一种基于颜色自适应平衡和图像融合的水下图像增强方法。首先利用红通道补偿和灰度世界法得到颜色平衡图像,然后分别对其进行锐化和γ校正,最后通过图像金字塔将这两幅图进行多尺度融合,得到增强后的水下图像。相比于其他经典算法,该方法的环境适应性强且增强效果明显。(2)针对双目立体匹配算法AD-Census在视差不连续和弱纹理区域精度差问题,提出了一种基于两阶段自适应优化和融合梯度的AD-Census改进算法。该方法分别根据像素位置和十字交叉臂的长度,自适应地调整聚合窗口的形状和大小,以及代价融合的权重。在代价计算时,除了绝对值差代价和Census代价,还引入了梯度信息。相比于原算法,该方法的视差平均误差降低了30%以上。(3)针对传统立体匹配算法无法充分利用图像全局信息并且存在视差图空洞问题,提出了一种端到端的基于高效注意力机制模块的立体匹配网络。该方法在自适应代价聚合网络AANet的基础上加入高效注意力机制模块,提高了图像特征的表征能力。相比于原网络,改进后网络的视差平均误差降低了约9.2%。