TY - JOUR A2 - 比拉诺瓦，泽维尔AU - 汉，风雷AU - 姚明，竟争力AU - 朱，海涛AU - 王，春晖PY - 2020 DA - 2020年5月22日TI - 水下图像处理和物体检测基于对深CNN方法SP - 6707328 VL - 2020 AB - 由于在发展水下勘探和深海资源利用的重要性，水下自主操作是越来越重要，以避免危险的高压的深海环境。水下自主操作，智能计算机视觉是最重要的技术。在水下环境中，弱的照明和低质量的图像增强，作为预处理过程，是必要的水下视觉。在本文中，最大-RGB方法和灰度方法的色调的组合被施加到实现水下视觉的增强，然后提出来训练一个CNN（卷积神经网络）用于解决水下图像的弱照射问题的方法映射关系，以获得照明图。的图像处理之后，提出了一种深CNN方法来执行水下检测和分类，根据水下视觉的特性，两种改进方案被用于修改深CNN结构。在第一种方案中， 1 * 1 卷积内核上使用 26 * 26 特征图，然后下采样层添加到调整输出到等于 13 * 13 。在第二种方案中，下采样层首先加入，然后将卷积层被插入在网络中，结果与最后一个输出，以实现所述检测相结合。通过与快速RCNN，更快RCNN，和原来的YOLO V3比较，方案2被验证为更好地检测水下物体。The detection speed is about 50 FPS (Frames per Second), and mAP (mean Average Precision) is about 90%. The program is applied in an underwater robot; the real-time detection results show that the detection and classification are accurate and fast enough to assist the robot to achieve underwater working operation. SN - 1687-725X UR - https://doi.org/10.1155/2020/6707328 DO - 10.1155/2020/6707328 JF - Journal of Sensors PB - Hindawi KW - ER -