Correção de Regiões Saturadas na Expansão do Histograma em Imagens Subaquáticas via SBRF
DOI:
https://doi.org/10.34117/bjdv9n12-052Keywords:
sistemas fuzzy, imagens subaquáticas, expansão do histogramaAbstract
A expansão do histograma é um procedimento bastante utilizado no realce de imagens subaquáticas. Esta operação produz imagens com melhoria na cor e contraste. Entretanto, imagens com acentuado desequilíbrio entre os canais de cores geram regiões saturadas na expansão. Neste trabalho, propõe-se metodologia para evitar estas áreas saturadas. O método proposto utiliza sistema baseado em regras fuzzy para ajustar o valor da faixa dinâmica, utilizada na operação de expansão. O sistema usa como entradas as estimativas do desequilíbrio e da influência sobre a média de pixels com intensidade excessiva e que caracterizam valores fora do padrão. Os resultados mostram que o método é efetivo na remoção destas áreas na versão com histograma expandido da imagem subaquática.
References
AKKAYNAK, D., TREIBITZ, T. Sea-Thru: A Method for Removing Water From Underwater Images. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). 2019 Jun; 1682-1691, doi: 10.1109/CVPR.2019.00178.
ANWAR, S., LI, C., PORIKLI, F. Deep Underwater Image Enhancement. ArXiv. 2018 Ago; abs/1807.03528; doi: https://doi.org/10.48550/arXiv.1807.03528.
BASSANEZI, R., BARROS, L. Tópicos de Lógica Fuzzy e Biomatemática. 3ª Ed. Campinas, 2015.v.200, p.246; ISBN: 85-87185-05-5.
CHANG, H. H., CHENG, P. F., GUO, J. K., SUNG C. C. A self-adaptive single underwater image restoration algorithm for improving graphic quality. EURASIP Journal on Image and Video Processing. 2020 Set; 96:1-21; doi: https://doi.org/10.1186/s13640-020-00528-0.
DE MAGALHÃES, P. E. M.; PANARO, J. S. G.; DE MATOS, L. J. Experimental analysisofthediversitytechniqueeffectsappliedonthe mobile receptionoftheunderwateracoustics OFDM signal / Análise experimental dos efeitos da técnica de diversidade aplicada na recepção móvel de sinal OFDM acústico submarino. Brazilian Journal of Development, [S. l.], v. 8, n. 1, p. 2068–2082, 2022. DOI: 10.34117/bjdv8n1-133. Disponível em:
https://ojs.brazilianjournals.com.br/ojs/index.php/BRJD/article/view/42447. Acesso em: 17 nov. 2023.
DONALDSON, J. A., DREWS-JR, P. L., BRADLEY, M., MORGAN, D., BAKER, R., BRENDAN C. Countering low visibility in video survey of an estuarine fish assemblage. Pacific Conservation Biology. 2020 Nov; 26(2):190-200, doi: 10.1071/PC19019.
FABBRI, C., ISLAM, J., SATTAR, J. Enhancing Underwater Imagery Using Generative Adversarial Networks. IEEE International Conference on Robotics and Automation (ICRA). 2018 Mai; 7159-7165, doi: 10.1109/ICRA.2018.8460552.
GHANI, A. S. A., ISA, N. A. M. Automatic system for improving underwater image contrast and color through recursive adaptive histogram modification. Computers and Electronics in Agriculture. 2017 Set; 141:181-195, Issue C; doi:
https://doi.org/10.1016/j.compag.2017.07.021.
GONZÁLEZ-SABBAGH, S., ROBLES-KELLY, A. A. Survey on Underwater Computer Vision. ACM Computing Surveys. 2023 Jan, 55:1-39, doi: 10.1145-3578516.
HU, K., WENG, C., ZHANG, Y., JIN, J., XIA, Q. An Overview of Underwater Vision Enhancement: From Traditional Methods to Recent Deep Learning. Journal of Marine Science and Engineering. 2022 Fev;10(2):241, doi: 10.3390/jmse10020241.
HUANG, D. WANG, Y. SONG, W., SEQUEIRA, J., MAVROMATIS, S. Shallow-Water Image Enhancement Using Relative Global Histogram Stretching Based on Adaptive Parameter Acquisition. Multimedia Modelling. 2018 Jan; 10704:453-465; doi: 10.1007/978-3-319-73603-7_37.
LI, C., GUO, C., REN, W., CONG, R., HOU, J., KWONG, S., TAO, D. An Underwater Image Enhancement Benchmark Dataset and Beyond. IEEE Transactions on Image Processing. 2020 Nov; 29:4376-4389; doi: 10.1109/TIP.2019.2955241. Computers and Electronics in Agriculture.
LI, C. Y., MAZZON, R., CAVALLARO A. Underwater image filtering: methods, datasets and evaluation. ArXiv. 2020 Dez, disponívelem: https://doi.org/10.48550/arXiv.2012.12258.
LI, X., HOU, G., LI, K., PAN, Z. Enhancing underwater image via adaptive color and contrast enhancement, and denoising. Engineering Applications of Artificial Intelligence. 2022 Mai; 111:104759; doi:
https://doi.org/10.1016/j.engappai.2022.104759.
MELLO-JR., C. D., MOREIRA, B. U., EVALD, P. J. O., DREWS-JR, P. L., BOTELHO, S. S. C. Underwater enhancement based on a self-learning strategy and attention mechanism for high-intensity regions. Computers & Graphics. 2022 Out; 107:264-276, doi: https://doi.org/10.1016/j.cag.2022.08.003.
PAN, P. W., YUAN, F., CHENG, E. De-scattering and edge-enhancement algorithms for underwater image restoration. Frontiers of Information Technology & Electronic Engineering. 2019 Jun, 20:862-871, doi: https://doi.org/10.1631/FITEE.1700744.
PANETTA, K., GAO, C. Human-Visual-System-Inspired Underwater Image Quality Measures. IEEE Journal of Oceanic Engineering. 2015 Out, 41:1-11, doi: 10.1109/JOE.2015.2469915.
SALEH, A., SHEAVES, M., JERRY, D., AZGHADI, M. R. Adaptive Uncertainty Distribution in Deep Learning for Unsupervised Underwater Image Enhancement. ArXiv. 2022 Dez; doi: 10.48550/ARXIV.2212.08983.
SCHUCK, A.; PEREIRA, P. R. da S. Modelagem Fuzzy de blocos geradores para unidades consumidoras de baixa tensão/ Fuzzymodelingofgeneratorblocks for lowvoltageconsumerunits. Brazilian Journal of Development, [S. l.], v. 7, n. 1, p. 10473–10480, 2021. DOI: 10.34117/bjdv7n1-713. Disponível em: https://ojs.brazilianjournals.com.br/ojs/index.php/BRJD/article/view/23880. Acessoem: 17 nov. 2023.
WANG, K., HU, Y., CHEN, J., WU, X., ZHAO, X., LI, Y. Underwater Image Restoration Based on a Parallel Convolutional Neural Network. Remote Sensing. 2019 Jul;11:1591; doi: 10.3390/rs11131591.
WANG, Y., LI, N., LI, Z., GU, Z., ZHENG, H., ZHENG, B., SUN M. An imaging-inspired no-reference underwater color image quality assessment metric. Computers & Electrical Engineering. 2018 Ago, 70:904-913, doi:
https://doi.org/10.1016/j.compeleceng.2017.12.006
YANG, H. H., HUANG, K. C., CHEN, W. T. LAFFNet: A Lightweight Adaptive Feature Fusion Network for Underwater Image Enhancement. 2021 IEEE International Conference on Robotics and Automation (ICRA). 2021 Out, 1:685-692, doi: 10.1109/ICRA48506.2021.9561263.
YANG, M., SOWMYA, A. An Underwater Color Image Quality Evaluation Metric. IEEE Transactions on Image Processing. 2015 Out, 24(12):6062-6071, doi: 10.1109/TIP.2015.2491020.
