基于图像增强的鳕鱼识别

作者：石伟; 王德雨; 张元良^*

来源：江苏海洋大学学报(自然科学版), 2022, 31(02): 64-71.

• 图像增强
• 生成式对抗网络
• RGHS
• YOLOv5

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。