基于图像增强与改进YOLOv3的水下生物检测算法

作者：郝琨; 王阔; 赵璐^*; 王贝贝; 王传启

来源：吉林大学学报（工学版）, 2022, 52(05): 1088-1097.

DOI：10.13229/j.cnki.jdxbgxb20200970

• 计算机应用
• 水下生物检测
• 水下图像
• 图像增强
• 深度学习

为准确检测水下生物，本文采用优化的MSRCR算法对水下图像进行增强，并基于DenseNet思想提出一种改进的YOLOv3目标检测算法Den-YOLOv3。针对水下生物图像中存在的图像模糊、色偏严重的问题，将ACE算法作用于MSRCR算法增强后的图像，以优化图像颜色及亮度。同时，将YOLOv3特征提取网络中的残差模块替换成密集块，得到DenYOLOv3模型，该模型有效加强了特征传播，提高了检测精度。实验结果表明：优化后的ACE＿-MSRCR算法能有效增强水下图像，进而提高检测精度。Den-YOLOv3对四类水下生物的检测精度均高于其他模型，在检测速度上达到25 ms/帧，可以满足对水下生物实时检测的要求。

• 单位
  天津凯发电气股份有限公司; 天津城建大学