La visión artificial subacuática es un subcampo de la visión artificial . En los últimos años, con el desarrollo de vehículos submarinos ( ROV , AUV , planeadores ), la necesidad de registrar y procesar grandes cantidades de información se ha vuelto cada vez más importante. Las aplicaciones abarcan desde la inspección de estructuras subacuáticas para la industria offshore hasta la identificación y el conteo de peces para la investigación biológica. Sin embargo, por muy grande que pueda ser el impacto de esta tecnología en la industria y la investigación, todavía se encuentra en una etapa muy temprana de desarrollo en comparación con la visión artificial tradicional. Una razón para ello es que, en el momento en que la cámara entra en el agua, surge un conjunto completamente nuevo de desafíos. Por un lado, las cámaras deben ser impermeables, la corrosión marina deteriora rápidamente los materiales y el acceso y las modificaciones a las configuraciones experimentales son costosos, tanto en tiempo como en recursos. Por otro lado, las propiedades físicas del agua hacen que la luz se comporte de manera diferente, cambiando la apariencia de un mismo objeto con variaciones de profundidad, materia orgánica, corrientes, temperatura, etc.
Aplicaciones
- Estudio del fondo marino
- Navegación y posicionamiento de vehículos [ 1 ]
- Monitoreo biológico (posiblemente biomonitoreo acuático )
- Mosaicos de vídeo como mapas de navegación visual
- Inspección de oleoductos submarinos
- Visualización de los restos
- Mantenimiento de estructuras submarinas
- Sistemas de detección de ahogamientos
Diferencias medias
Iluminación
En el aire, la luz proviene de todo el hemisferio en días nublados y está dominada por el sol. En el agua, la iluminación directa proviene de un cono de aproximadamente 96° de ancho sobre la escena. Este fenómeno se conoce como la ventana de Snell . [ 2 ]
La iluminación artificial puede utilizarse cuando los niveles de luz natural son insuficientes y cuando el recorrido de la luz es demasiado largo para producir un color aceptable, ya que la pérdida de color es función de la distancia total a través del agua desde la fuente hasta el puerto del objetivo de la cámara. [ 3 ]
Atenuación de la luz

A diferencia del aire, el agua atenúa la luz exponencialmente. Esto produce imágenes borrosas con muy poco contraste. Las principales causas de la atenuación de la luz son la absorción (donde se extrae energía de la luz) y la dispersión, que cambia la dirección de la luz. La dispersión de la luz se divide a su vez en dispersión frontal, que produce una mayor borrosidad, y dispersión posterior, que limita el contraste y es responsable del característico velo de las imágenes subacuáticas. Tanto la dispersión como la atenuación se ven fuertemente influenciadas por la cantidad de materia orgánica disuelta o suspendida en el agua.
La atenuación de la luz en el agua también depende de la longitud de onda. Esto significa que los distintos colores se atenúan a ritmos diferentes, lo que provoca una degradación del color con la profundidad y la distancia. La luz roja y naranja se atenúan más rápidamente, seguidas de la amarilla y la verde. El azul es la longitud de onda visible que menos se atenúa. [ 4 ]
Iluminación artificial
Desafíos
En visión artificial avanzada, las estructuras humanas se utilizan con frecuencia como características de imagen para la comparación de imágenes en diversas aplicaciones. Sin embargo, el fondo marino carece de dichas características, lo que dificulta encontrar correspondencias entre dos imágenes.
Para poder usar una cámara bajo el agua, se requiere una carcasa estanca. Sin embargo, debido a las diferencias de densidad de los materiales, se produce refracción en la interfaz agua-vidrio y vidrio-aire. Esto genera una deformación no lineal de la imagen.
El movimiento del vehículo supone otro desafío particular. Los vehículos submarinos se desplazan constantemente debido a las corrientes y otros fenómenos. Esto introduce una incertidumbre adicional en los algoritmos, ya que pueden aparecer pequeños movimientos en todas las direcciones. Esto puede ser especialmente importante para el seguimiento de vídeo . Para mitigar este problema, se pueden aplicar algoritmos de estabilización de imagen .
Tecnología pertinente
Restauración de imágenes
Las técnicas de restauración de imágenes tienen como objetivo modelar el proceso de degradación y luego invertirlo, obteniendo la nueva imagen después de resolverlo. [ 5 ] [ 6 ] Generalmente es un enfoque complejo que requiere muchos parámetros que varían mucho entre diferentes condiciones del agua.
Mejora de imagen
La mejora de imágenes [ 7 ] solo busca proporcionar una imagen visualmente más atractiva sin tener en cuenta el proceso físico de formación de la imagen. Estos métodos suelen ser más sencillos y requieren menos recursos computacionales.
Corrección de color
Existen diversos algoritmos que realizan corrección automática del color. [ 8 ] [ 9 ] El UCM (Método de Corrección de Color No Supervisada), por ejemplo, lo hace en los siguientes pasos: Primero reduce la dominante de color igualando los valores de color. Luego mejora el contraste extendiendo el histograma rojo hacia el máximo y, finalmente, se optimizan los componentes de saturación e intensidad.
visión estereoscópica subacuática
Generalmente se asume que las cámaras estéreo han sido calibradas previamente, tanto geométrica como radiométricamente. Esto lleva a suponer que los píxeles correspondientes deberían tener el mismo color. Sin embargo, esto no se puede garantizar en una escena subacuática debido a la dispersión y la retrodispersión. No obstante, es posible modelar digitalmente este fenómeno y crear una imagen virtual eliminando dichos efectos.
Otros campos de aplicación
Los sonares de imágenes [ 10 ] [ 11 ] se han vuelto cada vez más accesibles y han ganado resolución, ofreciendo mejores imágenes. Los sonares de barrido lateral se utilizan para producir mapas completos de regiones del fondo marino mediante la unión de secuencias de imágenes de sonar. Sin embargo, las imágenes de sonar a menudo carecen de un contraste adecuado y se degradan por artefactos y distorsiones debido al ruido, los cambios de actitud del AUV/ROV que transporta el sonar o los patrones de haz no uniformes. Otro problema común con la visión por computadora de sonar es la velocidad de fotogramas relativamente baja de las imágenes de sonar. [ 12 ]
Referencias
- ↑ Horgan, Jonathan; Toal, Daniel (2009). "Aplicaciones de visión por computadora en la navegación de vehículos submarinos no tripulados". Vehículos submarinos . doi : 10.5772/6703 . ISBN 978-953-7619-49-7. S2CID 2940888 .
- ↑ Martin Edge e Ian Turner (1999). El fotógrafo submarino . Focal Press. ISBN 0-240-51581-1Archivado del original el 22/10/2023 . Consultado el 24/07/2024 .
- ↑ "Color bajo el agua" . Deep-six.com . Archivado del original el 23 de julio de 2024. Consultado el 23 de julio de 2024 .
- ↑ Hegde, M. (30 de septiembre de 2009). "El océano azul, el más azul y el más azul" . Servicios de datos e información de ciencias de la Tierra del Centro Goddard de la NASA. Archivado del original el 12 de julio de 2009. Recuperado el 27 de mayo de 2011 .
- ↑ Y. Schechner, Yoav; Karpel, Nir. "Visión subacuática clara". Actas de Computer Vision & Pattern Recognition . I : 536–543 .
- ↑ Hou, Weilin; J.Gray, Deric; Weidemann, Alan D.; A.Arnone, Robert (2008). "Comparación y validación de modelos de dispersión puntual para imágenes en aguas naturales" . Optics Express . 16 (13): 9958– 9965. Bibcode : 2008OExpr..16.9958H . doi : 10.1364/OE.16.009958 . PMID 18575566 .
- ↑ Schettini, Raimondo; Corchs, Silvia (2010). "Procesamiento de imágenes subacuáticas: métodos de mejora de imágenes de última generación" . EURASIP Journal on Advances in Signal Processing . 2010 : 14. doi : 10.1155/2010/746052 . hdl : 10281/24910 .
- ↑ Akkaynak, Derya y Tali Treibitz. " Sea-Thru: Un método para eliminar el agua de imágenes subacuáticas ". Actas de la Conferencia IEEE sobre Visión por Computadora y Reconocimiento de Patrones. 2019.
- ↑ Iqbal, K.; Odetayo, M.; James, A.; Salam, RA "Mejora de imágenes de baja calidad mediante métodos de corrección de color no supervisados" (PDF) . Systems Man and Cybernetics .
- ↑ Mignotte, M.; Collet, C. (2000). "Markov Random Field and Fuzzy Logic Modeling in Sonar Imagery". Computer Vision and Image Understanding . 79 : 4–24 . CiteSeerX 10.1.1.38.4225 . doi : 10.1006/cviu.2000.0844 .
- ↑ Cervenka, Pierre; de Moustier, Christian (1993). "Sidescan Sonar Image Processing Techniques". IEEE Journal of Oceanic Engineering . 18 (2): 108. Bibcode : 1993IJOE...18..108C . doi : 10.1109/48.219531 .
- ↑ Trucco, E.; Petillot, YR; Tena Ruiz, I. (2000). "Seguimiento de características en secuencias submarinas de vídeo y sonar con aplicaciones". Computer Vision and Image Understanding . 79 : 92–122 . doi : 10.1006/cviu.2000.0846 .
- visión por computadora
- Diseño de submarinos