UNIQAT：面向海洋调查可重复图像质量评估的开源工具包

《Methods in Ecology and Evolution》：UNIQAT: An open-source toolkit for reproducible image quality assessment in marine surveys

　　

现代海洋调查每次航次生成数万张水下图像，但许多图像因图像质量退化而无法使用。人工质量筛查劳动密集、主观，且在观察者和团队间不一致，阻碍可重复科学，造成大量未处理图像积压，并限制实时算法和机器人应用。研究人员提出 UNIQAT（UNderwater Image Quality Assessment Toolkit，水下图像质量评估工具包），一个用于自动化水下图像质量评估的开源 Python 工具包。该工具包计算无参考质量指标，覆盖与水下图像相关的九类图像特征，例如色偏（colour cast）、浊度（turbidity）和对比度损失（contrast loss）。指标可与用户定义权重组合成任务特定质量分数，以适应不同生态应用。高性能计算（High-Performance Computing, HPC）感知的多进程处理及用于指标近似的可选深度学习架构，支持与现代调查数据采集规模匹配的处理。研究人员在澳大利亚海洋科学研究所（Australian Institute of Marine Science, AIMS）开展的九次珊瑚礁调查的 130,845 张图像上评估了 UNIQAT；正文中报告的每个结果均由传统指标流水线产生，未涉及任何深度学习模型，单独的培训演示报告在支持信息中。传统指标流水线在 64 核集群节点上以 48 个 CPU 工作进程运行，处理速度为 7.9 4K-images/s，处理时间随图像数量线性扩展（r² = 0.98）。所得质量分数捕获了基于成像场景环境背景的预期图像质量变化模式：所有九次调查均显示负深度–质量相关性（r = ?0.16 至 ?0.89），与水下环境中图像质量随深度退化的现象一致。跨调查指标剖面高度一致（所有 36 个配对比较中平均 Spearman ρ = 0.99，最小 0.96），证实了在不同日期、地点、相机系统和环境条件下的测量稳定性。综合。UNIQAT 可在一个多功能工具包中提供客观且可调谐的图像质量指标，支持透明报告，并为海洋监测和机器人应用提供无监督质量评估。

水下图像对海洋生态系统监测至关重要，支持生物多样性评估、珊瑚礁健康追踪和生态变化检测。但水下环境导致严重且物理可预测的图像退化：波长依赖光吸收产生蓝绿偏色，悬浮颗粒降低对比度和可见度，深度增加衰减用于生物识别的精细细节。现代调查项目产生大量图像，自动平台每次航次常捕获数万张图像，质量变化且常不可预测。人工质量筛查每航次需数周专家劳动且结果不一致；同一图像可能被一名观察者接受、另一名拒绝。将方法描述为“排除低质量图像”缺乏定量标准，使独立复制困难，跨团队数据汇总不可靠。机器人系统还需实时推断感知图像用于自适应采样和导航，差质量会损害算法。有效工具应无参考、提供诊断指标而非单一标量、计算高效、针对水下物理退化。现有通用指标 BRISQUE（Blind/Referenceless Image Spatial Quality Evaluator，盲/无参考图像空间质量评价器）和 NIQE（Natural Image Quality Evaluator，自然图像质量评价器）针对陆地摄影失真，在水下表现差；专门的水下 UCIQE（Underwater Colour Image Quality Evaluation，水下彩色图像质量评价）和 UIQM（Underwater Image Quality Measure，水下图像质量度量）提供标量质量分数，但缺乏任务特定评估、诊断细节和大规模计算效率；Sea-thru 等增强算法需场景内颜色参考，不适用于常规调查。因此研究人员提出 UNIQAT，开源 Python 库，面向海洋生态和机器人工作流。其贡献包括九类无参考质量指标，含已有 UCIQE、UIQM 及针对色偏严重度、特征丰富度、可见度的新指标；指标可与用户定义权重组合为任务特定质量分数；提供网页界面、Python API、命令行工具和深度学习架构，MIT 许可开源。研究人员在 AIMS 的九次珊瑚礁调查 130,845 张未过滤图像上演示，跨三个礁区、四次研究航次、三种相机配置；所有正文结果由传统指标流水线产生，无深度学习模型。结论是质量分数捕获预期环境模式，所有九次调查显示负深度–质量相关性，跨调查指标剖面高度一致，支持透明报告和无监督质量评估，为海洋监测和机器人提供客观可调指标。

关键技术方法：传统指标流水线计算 9 类共 37 个手工定义指标，覆盖颜色偏色、对比度、锐度与模糊、特征丰富度、可见度与浊度、水下特定指标、信息内容、颜色分布和复合评估分数；每个指标是像素阵列的闭式函数，基于 OpenCV、NumPy 和 SciPy 的图像处理原语实现，无学习参数，无需训练数据。HPC 感知多进程自动检测 CPU 资源并支持集群；可选 PyTorch CUDA GPU 加速；四种深度学习架构 UnderwaterQualityNet、ViT-B/16（Vision Transformer，视觉 Transformer）、EfficientNet-B3 和 Multi-Metric Predictor 通过知识蒸馏近似传统指标，并支持混合集成。样本队列为 AIMS Technology Transformation Program 的九次大堡礁珊瑚礁调查，130,845 张 ReefScan? 水下图像，三个礁区、四次研究航次、三种 ReefScan Surface 配置；数据存档于 AIMS Data Repository。

研究结果：3.1 计算性能（Computational performance）：传统流水线在 64 核 HPC 集群节点、48 个 CPU 工作进程下处理九个调查数据集，平均吞吐 7.9 4K-images/s（127.7 ms/图），处理时间随图像数线性扩展（r² = 0.98）；单核指标计算 817.5 ms 加解码 190 ms，批量运行受共享文件系统存储吞吐限制，因此吞吐表征该集群配置而非指标成本。3.2 质量分数分布（Quality score distributions）：130,845 张图像默认总体质量分数均值 59.8，标准差 19.9，57.2% ≥60，20.4% <40；Townsville Gen2 最高（均值 77.7，标准差 12.7，86.5% 可用），Swains 57.4–65.7，Whitsundays 42.0–55.9。所有九次调查显示负深度–质量相关（r = ?0.16 至 ?0.89），深度分箱均值从 ≤3 m 的 74.8 降至 10–15 m 的 34.1；>15 m 分箱显示增加，可能为声纳深度异常。2024 Swains 深度元数据较清洁，相关性最强（r = ?0.89，?0.82）；2025 调查线性相关较弱（r = ?0.16 至 ?0.34）但深度分箱单调下降。该梯度提供基于物理的验证，说明指标捕获有意义图像退化而非随机噪声。3.3 权重配置分析（Weight configuration analysis）：三种示例配置均值：特征强调 54.0，颜色强调 62.8，颜色和照明强调 73.5；不同分布确认权重选择影响哪些图像被认为适合。低于 40 的图像（n = 26,746，20.4%）最常见退化因素为蓝水偏色、低可见度、对比不足和低特征密度，支持多指标评估。3.4 与现有指标比较（Comparison with existing metrics）：在 Swains Jan 13 调查 n = 33,586 上，总体分数与 UCIQE 中度相关 r = 0.72，与 UIQM r = 0.53；UCIQE 是总体分数组成部分，贡献最多 3.5/90 分，故 r = 0.72 为轻度自引用上界；UIQM 独立计算，r = 0.53 为独立量间相关。中度而非高相关表明多指标方法捕获单指标外的额外质量维度；工具包提供九类个体指标用于诊断。3.5 数据分类演示（Data triage demonstration）：三个聚焦配置各给单一质量维度 60% 权重：特征强调（特征密度 60%，锐度 20%）、颜色强调（颜色保真 60%，照明均匀性 20%）、锐度强调（锐度 60%，对比 20%），另加总体等权；阈值 60 时保留曲线显著分化，颜色强调配置保留更多图像，因颜色保真随深度退化比精细空间细节更缓慢，权重选择对数据分类结果有一阶效应。3.6 跨调查验证（Cross-survey validation）：八个额外调查跨三个礁区、四次研究航次、三种相机配置；所有分数由传统流水线计算，无模型训练；唯一调谐量是方程 1 的四个固定系数，基于 Swains Jan 13 约 500 张图像非正式视觉校准，八个调查未参与校准。尽管绝对质量分数变化大（总体均值 42.0–77.7），指标剖面高度一致：所有 36 个配对调查比较 Spearman ρ 均值 0.99，最小 0.96，最大 1.00；礁区内 ρ = 0.993 略高于跨礁区 ρ = 0.987。Whitsundays 水清晰度降低，分数低（42.0–55.9），不可用 28.9%–46.7%；Townsville Gen2 分数最高（均值 77.7，86.5% 可用），但水清晰度、相机配置和未压缩图像格式混杂，不能归因于任一因素。视觉比较显示 Townsville 最低分图像与 Whitsundays 中位质量图像相当，说明工具包捕获真实质量变化并保持测量一致性。

讨论部分总结：4.1 可重复海洋科学标准化：海洋生态长期缺乏标准化定量图像质量标准；UNIQAT 实现定量报告，可在方法部分明确质量分数和权重，替代主观描述，支持独立验证；质量分数作为图像元数据存档，形成透明审计轨迹，未来可重新评估或应用不同阈值；通用开源指标套件为跨团队数据标准化提供前提。4.2 自主监测应用：自动系统生成海量数据，基于质量的分诊可减少人工筛选瓶颈；机器人导航、自适应采样或闭环控制依赖足够质量输入，色偏或对比度损失可导致特征检测器、分类器或启发式例程失败；ReefCloud 等摄入图像用于自动分类的平台期望经过筛选的输入；UNIQAT 无参考、可调、计算轻量，适合无监督和 onboard 处理。监测项目记录质量分数可声明和审计保留规则，区分真实生态信号与采集伪影，并指导分析时间；实时质量反馈可支持自适应采集策略，如触发额外曝光、调整相机参数或重访断面。4.3 深度自适应质量阈值：单一平坦阈值会产生不良结果，因为质量随深度系统下降；例如仅保留 ≥60 会拒绝约 7 m 以上几乎所有图像，丢弃整个礁区；深度–质量校准数据表明阈值应适应当地成像条件：≤3 m 均值 74.8，阈值 60 有选择性；7–10 m 均值 41.5，同一阈值几乎无图像；深度自适应阈值（如保留深度分箱 25 百分位以上图像）可保持全深度范围代表性覆盖并过滤最差图像。4.4 局限与未来方向：高质量监测常由资金充足机构进行，生物多样性热点常在资源不足地区；网页界面、GPU 可选传统流水线和 CPU 兼容操作降低采用障碍。但质量分数尚未与专家海洋生物学家对图像适用性的评估或下游生态任务性能验证；建议阈值应调整。示例权重配置基于图像质量文献和非正式咨询，未经生态任务性能验证，用户应视为起始模板。深度学习架构尚未跨多样海洋环境系统基准，用户应在生产前评估其数据上的近似精度。训练演示显示四种架构中三种在留出礁区上平均 Pearson r 0.90–0.97；EfficientNet-B3 在所有划分中最忠实，尽管最小（13.1 M 参数）；Multi-Metric Predictor 仅 0.76–0.85 且欠拟合训练数据，因此建议 EfficientNet-B3。按整个礁区留出比随机图像划分降低测量保真度 0.01–0.08；UIQM 跨折增益 0.33–0.39，绝对锐度和直方图形状也有膨胀；颜色和特征密度指标转移无膨胀。这些值衡量与传统流水线一致性，不是独立标准。九个调查均用 AIMS ReefScan 系统在大堡礁采集，泛化到不同相机系统、海盆和栖息地需验证。珊瑚礁结构复杂、光谱异质，特征丰富度指标隐含按此异质性校准；结构简单栖息地如单种海草草甸、大型藻床或软沉积平原可能被完美成像却返回低特征密度，因为场景本身结构少而非图像退化。颜色、对比度和可见度类别预计更易移植，但未测试。深度–质量相关性强度变化部分反映声纳深度数据质量。未来优先工作包括跨多样海洋监测计划系统训练和基准深度学习架构，专家验证质量分数与物种识别成功率及珊瑚健康评估可靠性，研究巡航现场部署测试，以及为代表性不足的海洋环境开发栖息地特定模型。

研究结论翻译：UNIQAT 为海洋科学家提供开源工具包，用于标准化图像质量评估，规模匹配现代调查数据采集。该工具包计算九类可解释质量指标，支持通过用户定义权重配置文件生成可配置任务特定分数，并通过 CPU 多进程以适合大型调查数据集的速率处理图像。在 130,845 张图像、九次调查、跨三个大堡礁礁区、四次研究航次和三种相机配置上的质量分数捕获了与水下物理一致的环境模式（所有调查中深度依赖质量下降），并展示了跨调查测量一致性（所有 36 个配对指标剖面比较的平均 Spearman ρ = 0.99，最小 0.96）。网页界面和可安装包使标准化质量评估可及，无论研究团队计算专长如何。随着海洋监测生成越来越大的图像数据集，自动化可重复质量评估成为该领域必要基础设施。