Real-world Underwater Image Enhancement (RUIE) data set

RUIE数据集是由大连理工大学信息科学与工程学院和辽宁省泛在网络与服务软件重点实验室创建的大型水下图像数据集，包含超过4000张图像，旨在解决水下图像增强中的挑战。数据集分为三个子集，分别针对图像可见性、颜色偏移和高级检测/分类任务。创建过程中，研究人员在黄海的张子岛附近使用22个防水视频摄像头捕捉了超过250小时的水下视频，涵盖了光照、深度、模糊度和颜色偏移的广泛变化。RUIE数据集不仅用于评估和比较水下图像增强算法，还为训练智能水下车辆提供了数据基础，特别是在解决图像质量对高级视觉任务影响的研究中发挥重要作用。The RUIE dataset is a large-scale underwater image dataset developed by the School of Information Science and Engineering, Dalian University of Technology and the Key Laboratory of Ubiquitous Networks and Service Software of Liaoning Province. Consisting of over 4000 images, it is designed to address the challenges in underwater image enhancement. The dataset is divided into three subsets targeting image visibility, color cast, and advanced detection/classification tasks respectively. During its development, researchers captured over 250 hours of underwater footage using 22 waterproof video cameras near Zhangzi Island in the Yellow Sea, covering a wide range of variations in illumination, depth, blurriness, and color cast. The RUIE dataset not only serves as a benchmark for evaluating and comparing underwater image enhancement algorithms, but also provides a data foundation for training intelligent underwater vehicles, playing a critical role in research investigating the impact of image quality on advanced visual tasks.

搜集汇总

数据集介绍

构建方式

RUIE数据集的构建方式是通过在海水下设置多视角成像系统，使用二十二个防水摄像头收集图像样例。这些摄像头沿着一个10米乘10米的正方形框架安装，放置在距离海底0.5米的位置，靠近黄海的张子岛附近。图像采集于2017年9月21日至22日的两个时间段内，即每天上午8点至11点和下午1点至4点。由于潮汐的影响，水深在5米至9米之间变化。该地区拥有丰富的海洋生态系统，包括鱼类、海胆、海参、扇贝等。采集的视频超过250小时，涵盖了光照、景深、模糊程度和色偏等方面的广泛多样性。研究人员从这些视频中手动挑选了大约四千张图像，并根据UIE算法的具体任务将它们分为三个子集。

使用方法

RUIE数据集的使用方法包括以下几个方面：1. 用于UIE算法的性能评估，评估算法在不同水下条件下的可见性改进能力、色偏校正能力和更高级别任务的准确性；2. 用于训练数据驱动网络，为水下图像增强算法的训练提供真实世界的图像样例；3. 用于合成图像的生成，利用生成对抗网络（GANs）生成合成图像，用于训练数据驱动网络。

背景与挑战

背景概述

随着海洋资源的开发和利用日益重要，水下图像增强技术在水下机器人、自主水下航行器等装备的成像系统中发挥着关键作用。然而，水下图像的低质量严重影响了计算机视觉系统的视觉检查、环境感知以及目标检测和识别的准确性。为了克服这一挑战，研究人员提出了许多水下图像增强算法，旨在提高图像的可见性和色彩保真度，并提升后续目标检测和分类任务的准确率。RUIE数据集正是在这一背景下创建的，它由大连理工大学等单位的研究人员于2017年建立，旨在为水下图像增强算法提供一个大规模、多样化的基准数据集。RUIE数据集包含超过4000张真实水下图像，分为三个子集，分别针对图像增强的三个目标：图像可见性、色彩偏差和高级检测/分类。RUIE数据集的创建不仅为算法评估提供了更全面的测试平台，也为生成用于训练数据驱动网络的人工合成图像奠定了数据基础，对水下计算机视觉领域产生了重要影响。

当前挑战

尽管RUIE数据集为水下图像增强研究提供了宝贵资源，但仍面临一些挑战。首先，现有的水下图像数据集在评估算法性能方面存在局限性，例如场景深度浅、散射效果微弱，难以评估算法在真实场景中的表现。其次，数据集的场景和色调相对单一，难以评估算法在不同光照和色彩偏差条件下的表现。此外，图像中缺乏海洋生物，限制了数据集在评估增强算法对高级任务有效性的应用。为了解决这些问题，RUIE数据集包含了大量多样化的图像，并分为三个子集，分别针对图像增强的三个目标进行评估。此外，RUIE数据集还引入了一个任务特定的评估标准，利用增强图像上的目标检测精度作为评估指标，以更全面地评估算法的性能。这些挑战和解决方案的探索为水下图像增强研究提供了新的方向和思路。

常用场景

经典使用场景

在海洋资源的开发和利用中，水下图像增强技术对于远程操作车辆（ROV）和自主水下航行器（AUV）配备的成像系统进行有效调查至关重要。水下图像的低质量会导致智能计算机视觉系统在视觉检查、环境感知、目标检测和识别等方面失效。因此，开发水下图像增强技术对于更多水下计算机视觉任务至关重要。RUIE数据集旨在为水下图像增强算法提供一个真实世界的基准，并评估其有效性和局限性。

解决学术问题

RUIE数据集解决了当前水下图像数据集存在的三个主要局限性：1）许多现有数据集不适合评估可见性增强的性能，尤其是在场景深度较浅且散射效应微妙的设置中；2）这些数据集的场景和色调相对单调，难以评估算法在不同光照和色差下的工作情况；3）图像中的海洋生物很少，这限制了这些数据库在评估增强对高级任务的有效性方面的应用。RUIE数据集通过提供具有较大场景深度、广泛色调范围和丰富的海洋生物图像，克服了这些局限性。

实际应用

RUIE数据集的实际应用场景包括：1）为水下图像增强算法提供一个真实世界的基准，用于评估其性能和局限性；2）为数据驱动网络生成合成图像的训练数据；3）为水下目标检测和分类任务提供带有标签的图像，以评估增强对高级任务的影响。

数据集最近研究

最新研究方向

在海洋资源开发和利用日益重要的今天，水下图像增强技术成为提高水下计算机视觉任务准确性的关键。RUIE数据集的提出为水下图像增强算法提供了大规模的真实世界场景，并通过三个子集分别针对图像可见性、色彩偏差和高级检测/分类任务进行评估。研究结果表明，目前尚无单一算法能在所有任务和指标上达到最佳效果。未来研究应着重于开发数据驱动的无参考评估方法，结合人类感知的联合学习框架，以及针对水下物体检测/分类的端到端网络。RUIE数据集将为这些研究方向提供宝贵的资源和数据基础，推动水下图像增强技术向着更加有效、精细和全面的方向发展。

相关研究论文

• Real-world Underwater Enhancement: Challenges, Benchmarks, and Solutions

  大连理工大学信息科学与工程学院和辽宁省泛在网络与服务软件重点实验室 · 2019年