模拟海洋雪图像：流程、数据集和基准测试

《IEEE Journal of Oceanic Engineering》：Simulating Marine Snow Images: Pipeline, Data Set, and Benchmark

海洋雪去除方法研究：提出数据生成管道OmniMSI，构建含6000对图像的MM-MSD数据集，并开发基于扩散模型的去噪算法，建立性能基准评估现有方法优劣。

　　

摘要：

海洋雪粒会导致水下图像中出现光斑和类似面纱的模糊现象，这是由于光线的散射造成的，从而降低了图像的质量。因此，从水下图像中去除这种类型的噪声是必要的。然而，由于缺乏有效且多样化的海洋雪粒图像数据集，基于机器学习的算法的发展受到了阻碍。为了解决这个问题，我们提出了一种名为OmniMSI的流程来生成海洋雪粒图像。该流程考虑了海洋雪粒的多种形态及其自然分布模式。具体来说，OmniMSI首先收集自然环境中的大规模海洋雪粒图像，根据形态对它们进行分类，分析其分布模式，从而创建多样化的海洋雪粒掩膜。然后，将该掩膜叠加到没有海洋雪粒的真实水下图像上，并使用设计的后处理技术合成海洋雪粒图像。通过利用这一流程，我们创建了一个多形态多分布的海洋雪粒图像数据集（MM-MSD），其中包含6000对海洋雪粒图像及其对应的参考图像。我们还提出了一种新的海洋雪粒去除方法——基于海洋雪粒特征的扩散算法，该方法可以准确估计图像中海洋雪粒的位置并逐步将其去除。基于MM-MSD，我们对现有的最先进算法进行了全面的定性和定量研究，为海洋雪粒去除任务建立了一个新的基准。基准测试评估展示了现有算法的性能和不足之处，为进一步的研究奠定了基础。该数据集和代码将会被公开。

引言

海洋雪粒由水体中的有机和无机杂质聚集而成的多种形态的颗粒组成[1]。如图1所示，它们通常在水下图像中表现为光斑或类似面纱的模糊现象[2]，这种现象统称为“海洋雪粒效应”[3]、[4]。含有海洋雪粒的水下图像通常会遭受明显的可见度下降和物体遮挡问题，这阻碍了各种水下视觉任务的发展（例如水下物体检测[5]和水下目标跟踪[6]、[7]）。因此，研究海洋雪粒去除方法对于提高水下图像的质量和相关水下视觉任务的性能至关重要。