水中での光の伝播は吸収と散乱の影響を受けるため、従来の強度カメラのみを用いて水中画像を取得すると、画像の明るさが低く、ぼやけや詳細の欠落などの問題が生じる。深層融合ネットワークを水中偏光画像に適用し、深層学習の手法で水中偏光度画像と光強度画像を融合する。水中能動偏光撮像モデルを解析し、実験装置を構築して水中偏光画像を取得し、訓練データセットを構築し、適切な変換を行ってデータセットを拡張する。教師なし学習および注意機構に基づく偏光度と光強度画像の融合用エンドツーエンド学習フレームワークを構築し、損失関数および重みパラメータを説明する。作成したデータセットを用いて異なる損失重みパラメータのもとでネットワークを訓練し、異なる画像評価指標に基づいて融合後の画像を評価する。実験結果は、融合後の水中画像がより詳細に富み、光強度画像と比較して情報エントロピーが24.48%、標準偏差が139%向上することを示している。従来の他の融合アルゴリズムと比較して、この方法は重みパラメータの手動調整を必要とせず、計算速度が速く、安定性と適応性に優れており、海洋探査や水中目標認識などの分野の応用研究に重要な意義を持つ。

偏光画像;水中画像強化;画像融合;深層学習