five

UID2021|水下图像处理数据集|图像质量评估数据集

收藏
arXiv2022-04-19 更新2024-06-21 收录
水下图像处理
图像质量评估
下载链接:
https://github.com/Hou-Guojia/UID2021
下载链接
链接失效反馈
资源简介:
UID2021是一个大规模水下图像数据集,由中国青岛大学计算机科学与技术学院创建,包含60个多重退化的水下图像和通过15种先进水下图像增强与恢复算法生成的900个质量改进版本,总计960张图像。数据集覆盖六种常见水下场景,如蓝绿色场景、绿色场景等。通过52名观察者的主观评价,获取了平均意见分数(MOS)。UID2021旨在全面评估无参考水下图像质量评估(UIQA)算法,为UIQA研究提供基准。
提供机构:
中国青岛大学计算机科学与技术学院
创建时间:
2022-04-19
AI搜集汇总
数据集介绍
main_image_url
构建方式
UID2021数据集的构建旨在解决水下图像质量评估(UIQA)领域缺乏公开数据集和可靠客观指标的问题。该数据集包含60张来自不同来源的多重退化水下图像,涵盖了六种常见的水下场景(如蓝色场景、蓝绿色场景、绿色场景、雾状场景、低光场景和浑浊场景)。此外,通过应用15种最先进的水下图像增强和恢复算法,生成了900张质量改进的图像。为了获得主观质量评分,采用了配对比较排序法,由52名观察者对图像进行评分,最终得到平均意见分数(MOS)。
特点
UID2021数据集的特点在于其多样性和全面性。首先,数据集涵盖了六种典型的水下场景,能够反映不同环境下的图像退化情况。其次,通过多种增强算法生成的900张改进图像,提供了丰富的质量变化范围,便于评估不同算法的性能。此外,数据集还包含了基于主观评分的MOS值,为客观评估提供了可靠的基准。这些特点使得UID2021成为评估无参考UIQA算法的理想工具。
使用方法
UID2021数据集的使用方法主要包括以下几个方面:首先,研究人员可以利用该数据集评估现有的无参考UIQA算法,特别是针对水下图像的特殊退化情况。其次,数据集中的MOS值可以作为基准,用于验证新开发的UIQA算法的准确性。此外,数据集还可用于优化和改进现有的水下图像增强和恢复算法。通过对比不同算法在数据集上的表现,研究人员可以更好地理解其优缺点,并推动UIQA领域的进一步发展。
背景与挑战
背景概述
UID2021数据集由青岛大学计算机科学与技术学院的侯国嘉、李宇轩、杨欢以及中国海洋大学工程学院的李坤谦等研究人员于2021年创建,旨在解决水下图像质量评估(UIQA)领域的关键问题。该数据集包含60张多退化水下图像及其900个质量改进版本,涵盖了六种常见水下场景(如蓝色、蓝绿色、绿色、雾状、低光和浑浊场景),并通过15种先进的水下图像增强和恢复算法生成。UID2021的创建填补了水下图像质量评估领域缺乏公开数据集和可靠客观评估指标的空白,为UIQA算法的全面评估提供了重要工具。该数据集不仅推动了水下图像处理技术的发展,还为海洋科学研究和工程应用提供了有力支持。
当前挑战
UID2021数据集面临的挑战主要体现在两个方面。首先,水下图像质量评估本身具有复杂性,由于水下环境的特殊性,图像常受到低对比度、模糊、颜色失真和噪声等退化因素的影响,现有的自然图像质量评估算法难以有效应用于水下场景。其次,在数据集构建过程中,研究人员面临了数据收集和主观评估的挑战。由于水下图像的获取成本高且难度大,如何确保数据集的多样性和代表性成为一大难题。此外,主观评估需要大量人力参与,且评估结果易受观察者主观因素的影响,如何保证评估结果的可靠性和一致性也是构建过程中的关键挑战。
常用场景
经典使用场景
UID2021数据集主要用于评估无参考水下图像质量评估(UIQA)算法的性能。该数据集包含60张经过多重退化的水下图像及其900张通过15种最先进的水下图像增强和恢复算法生成的改进版本。这些图像涵盖了六种常见的水下场景(如蓝色场景、蓝绿色场景、绿色场景、雾状场景、低光场景和浑浊场景),并通过52名观察者的主观评分(MOS)进行质量评估。UID2021为研究人员提供了一个全面的基准,用于测试和比较不同UIQA算法在不同水下环境中的表现。
实际应用
UID2021数据集的实际应用场景广泛,涵盖了海洋科学研究、水下目标检测与跟踪、海底生物监测等领域。在这些应用中,水下图像的质量直接影响数据的准确性和分析结果。通过使用UID2021数据集,研究人员可以开发和优化水下图像增强和恢复算法,从而提高水下图像的清晰度和可用性。此外,该数据集还可用于训练和测试基于深度学习的水下图像处理模型,进一步提升水下视觉感知系统的性能。
衍生相关工作
UID2021数据集的发布推动了水下图像质量评估领域的多项研究工作。基于该数据集,研究人员开发了多种新的无参考UIQA算法,如UCIQE、UIQM、CCF和FDUM等。这些算法在UID2021上进行了广泛测试,并展示了其在不同水下场景中的优越性能。此外,UID2021还激发了更多关于水下图像增强和恢复算法的研究,如基于深度学习的图像增强方法和多尺度融合技术。这些衍生工作不仅提升了水下图像处理的技术水平,还为未来的研究提供了新的思路和方向。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

农业农作物生长全周期数据集

农业农作物生长全周期数据集通过整合农作物、农场面积、刺激类型、肥料用量、杀虫剂使用量、产量、土壤类型、季节和用水量等多维度数据,实现农业生产的精准化管理和可持续发展。

浙江大数据交易服务平台 收录

中国区域交通网络数据集

该数据集包含中国各区域的交通网络信息,包括道路、铁路、航空和水路等多种交通方式的网络结构和连接关系。数据集详细记录了各交通节点的位置、交通线路的类型、长度、容量以及相关的交通流量信息。

data.stats.gov.cn 收录

中国气象数据

本数据集包含了中国2023年1月至11月的气象数据,包括日照时间、降雨量、温度、风速等关键数据。通过这些数据,可以深入了解气象现象对不同地区的影响,并通过可视化工具揭示中国的气温分布、降水情况、风速趋势等。

github 收录

Breast Cancer Dataset

该项目专注于清理和转换一个乳腺癌数据集,该数据集最初由卢布尔雅那大学医学中心肿瘤研究所获得。目标是通过应用各种数据转换技术(如分类、编码和二值化)来创建一个可以由数据科学团队用于未来分析的精炼数据集。

github 收录

PlantVillage

在这个数据集中,39 种不同类别的植物叶子和背景图像可用。包含 61,486 张图像的数据集。我们使用了六种不同的增强技术来增加数据集的大小。这些技术是图像翻转、伽玛校正、噪声注入、PCA 颜色增强、旋转和缩放。

OpenDataLab 收录