Sea-Undistort

Sea-Undistort是一个使用开源3D图形平台Blender创建的合成数据集。该数据集包含1200对图像，每对包括512×512像素的浅水水下场景RGB渲染图。每对图像包含一个非失真图像（代表最小的水面和水柱失真）和一个对应的失真版本（包含真实的光学现象，如太阳耀斑、波浪引起的变形、浑浊度和光散射）。这些效果通过程序化生成，以复制在水下成像测深中遇到的各种挑战。场景设计采用随机组合的典型浅海海底类型，包括岩石露头、沙地、砾石床和海草斑块，捕捉各种纹理、反射模式和辐射条件。折射在失真和非失真图像中都准确建模，以保持与真实水下成像物理的几何一致性。

Sea-Undistort is a synthetic dataset created using the open-source 3D graphics platform Blender. This dataset contains 1200 pairs of images, each consisting of 512×512 pixel RGB renderings of shallow-water underwater scenes. Each image pair includes one undistorted image (representing minimal water surface and water column distortion) and a corresponding distorted version containing realistic optical phenomena such as solar flares, wave-induced deformation, turbidity, and light scattering. These effects are procedurally generated to replicate the diverse challenges encountered in underwater bathymetric imaging. The scene designs employ random combinations of typical shallow marine seabed types, including rock outcrops, sandy beds, gravel beds, and seagrass patches, capturing diverse textures, reflection patterns, and radiometric conditions. Refraction is accurately modeled in both distorted and undistorted images to maintain geometric consistency with the physics of real-world underwater imaging.

原始信息汇总

Sea-Undistort 数据集概述

数据集简介

Sea-Undistort 是一个基于开源3D图形平台Blender创建的合成数据集，专门用于航空测深测绘中的水下图像恢复研究。该数据集包含1200对512×512像素的RGB浅水水下场景渲染图像对，每对包含一个"无失真"图像（代表最小表面和柱状失真）和一个对应的"失真"版本（包含真实光学现象）。

核心特征

• 图像规格：1200对图像，分辨率512×512像素
• 失真模拟：包含太阳耀光、波浪引起的变形、浑浊度和光散射等真实光学现象
• 场景多样性：随机组合的浅海海底类型，包括岩石露头、沙地、砾石床和海草斑块
• 物理准确性：在失真和非失真图像中均准确建模折射效应，保持几何一致性

技术参数

• 传感器特性：物理宽度36mm，有效像素宽度4000或5472像素
• 焦距：模拟20mm和24mm焦距，仅渲染中央512x512像素
• 拍摄高度：30m至200m，地面采样距离（GSD）0.014m至0.063m
• 水深范围：-0.5m至-8m
• 最大倾斜角：5°
• 太阳高度角：25°至70°
• 元数据：每个图像附带包含所有元数据的.json文件

应用目的

支持深度学习模型的监督训练，用于水下图像增强和校正，使模型能够泛化到无法获得无失真地面实况的真实世界条件。

数据集结构

数据集包含1200组图像文件，每组包含：

• render_XXXX.png（失真图像）
• render_XXXX_ground.png（无失真图像）
• render_XXXX_no_sunglint.png（无太阳耀光版本）
• render_XXXX_no_waves.png（无波浪版本）

预训练模型

提供三种在Sea-Undistort上预训练的深度学习模型：

• NDR-Restore
• ResShift
• ResShift+EF

获取方式

数据集可通过MagicBathy项目网站获取：https://www.magicbathy.eu/Sea-Undistort.html

引用信息

数据集DOI：https://doi.org/10.5281/zenodo.15639838

相关论文

Kromer, M., Agrafiotis, P., & Demir, B. (2025). Sea-Undistort: A dataset for through-water image restoration in high resolution airborne bathymetric mapping. arXiv. https://arxiv.org/abs/2508.07760

搜集汇总

数据集介绍

构建方式

在航空测深测绘领域，水体光学畸变是影响图像质量的关键因素。Sea-Undistort数据集通过开源三维图形平台Blender构建，采用程序化生成技术模拟真实水下光学现象。该数据集包含1200对512×512像素的RGB图像对，每对由无失真图像和含畸变图像组成。畸变图像融入了太阳耀斑、波浪形变、浑浊度和光散射等效应，同时保持几何一致性。海底类型包括岩石、沙地、砾石和海草，通过随机组合生成多样化场景。相机参数如焦距、海拔高度和太阳高度角均在特定范围内均匀采样，以确保成像条件的多样性。

特点

Sea-Undistort数据集的核心特点在于其高度可控的合成环境和物理真实性。数据集涵盖多种浅海海底类型和光学条件，能够有效模拟真实世界中的水体成像挑战。每张图像均配有详细的元数据文件，记录相机设置、环境参数和成像几何信息。图像分辨率统一为512×512像素，便于深度学习模型的输入处理。该数据集特别设计了无失真版本作为监督学习的真值参考，这在真实环境中难以获取。其合成方法确保了数据的一致性和可重复性，同时提供了广泛的场景变化。

使用方法

该数据集主要用于监督式深度学习模型的训练，特别针对水体图像增强和校正任务。研究人员可使用图像对进行端到端训练，其中畸变图像作为输入，无失真图像作为目标输出。数据集提供的元数据可用于分析不同环境参数对模型性能的影响。预训练模型如NDR-Restore和ResShift可直接应用于真实世界图像的恢复任务。数据集采用标准文件夹结构组织，便于加载和处理。评估时建议使用论文中指定的训练-验证划分方案，以确保结果的可比性和科学性。

背景与挑战

背景概述

海洋测深遥感领域长期面临水体光学畸变对图像质量的影响，Sea-Undistort数据集由马克西米利安·克罗默等人于2025年基于欧盟地平线计划MagicBathy项目开发。该数据集通过Blender平台生成1200对合成图像，模拟真实浅海场景中的阳光闪烁、波浪变形及水体浊度等复杂光学现象，旨在推动透水图像复原技术的深度学习研究，为缺乏真实无损参照的海洋遥感提供关键数据支撑。

当前挑战

数据集核心挑战在于解决透水图像复原中多源光学畸变的耦合问题，包括波浪折射引起的几何失真、悬浮颗粒导致的光散射效应以及水面镜面反射干扰。构建过程中需平衡物理真实性与计算效率，通过程序化生成随机组合的海底地貌与光照参数，确保几何一致性并覆盖多样化海洋环境条件，同时克服合成数据与真实场景间的域适应难题。

常用场景

经典使用场景

在航空测深测绘领域，Sea-Undistort数据集通过合成的1200对图像为深度学习模型提供监督训练基础，每对图像包含受波浪变形、太阳耀斑、浑浊度和光散射影响的失真版本及其对应的几何校正版本。该数据集模拟了30米至200米航高、不同海底类型（岩层、沙地、砾石和海草）的组合场景，为通过水体成像的复原研究提供了高度可控的实验环境。

衍生相关工作

基于该数据集衍生的经典工作包括NDR-Restore、ResShift及其增强版本ResShift+EF等深度学习架构。这些模型通过端到端学习实现了从失真图像到校正图像的映射，相关研究成果已形成多篇IEEE地球科学与遥感快报论文，推动了通过水体图像复原技术向实际工程应用的转化进程。

数据集最近研究

最新研究方向

在海洋测绘与遥感领域，Sea-Undistort数据集正推动水下图像复原技术的前沿探索。该数据集通过合成方法生成包含光学畸变与真实物理效应的图像对，为深度学习模型提供了稀缺的监督信号。当前研究聚焦于克服实际航拍中水面反射、波浪变形与浑浊介质带来的干扰，借助生成对抗网络与物理引导的复原算法提升水下地形的识别精度。这一方向不仅呼应了高分辨率海底测绘在环境监测与资源勘探中的迫切需求，也为弱监督与跨域泛化方法提供了验证平台，显著促进了光学遥感在浅水区的应用可靠性。