A new dataset for benchmarking underwater image enhancement methodologies

Sualtı görüntüleri, farklı bilimsel disiplinlerdeki araştırmacılar için son derece değerli bir kaynaktır. Bu görüntüler, su ekosistemleri, sualtı arkeolojisi, deniz biyolojisi, jeoloji ve daha birçok alanda kritik bilgiler sunar. Ancak, yüksek kaliteli sualtı görüntüleri elde etmek, çevresel koşulların benzersizliği ve genellikle öngörülemezliği nedeniyle doğal olarak zordur. Işık emilimi, saçılma, bulanıklık ve sudaki partiküllerin varlığı gibi faktörler, görüntülerin renklerini ve ayrıntılarını ciddi şekilde bozabilir ve sualtı gerçekliğini doğru bir şekilde temsil etmeyi zorlaştırır. Bu sınırlamalar, özellikle batık araziler veya nesneler gibi sualtı ortamlarının üç boyutlu yeniden yapılandırılmasının gerekli olduğu fotogrametri gibi hassasiyet gerektiren görevlerde önemli zorluklar yaratır. Fotogrametri, bir nesnenin veya konumun farklı açılardan alınan birçok örtüşen görüntüsünü kullanarak ayrıntılı ve doğru bir üç boyutlu model oluşturmayı amaçlayan son derece uzmanlaşmış bir yöntemdir. Sualtı fotogrametrisi, erişilmesi zor nesnelerin veya bölgelerin haritalanması, belgelenmesi ve analiz edilmesi için sıklıkla kullanılmaktadır. Örnekler arasında batıklar, mercan resifleri, sualtı mağaraları ve su altına gömülü arkeolojik alanlar yer alır. Sualtı fotogrametrisinin başarısı büyük ölçüde görüntülerin kalitesine bağlıdır; bu görüntülerin, sualtı ortamının yarattığı zorluklara rağmen yeterli ayrıntı ve renk doğruluğunu koruması gerekir. Son yıllarda, gelişmiş restorasyon ve renk düzeltme teknikleriyle sualtı görüntülerinin kalitesini artırmaya yönelik önemli araştırmalar yapılmıştır. Bu çalışmalar, ışık bozulmalarını ve ayrıntı kaybını azaltmayı, dolayısıyla görüntülerin bilimsel ve pratik uygulamalar için kullanılabilirliğini artırmayı amaçlamaktadır. Geleneksel matematiksel modellerden, yapay zeka (AI) ve bilgisayarla görme tabanlı modern yöntemlere kadar çok çeşitli yaklaşımlar geliştirilmiştir. Bu modern teknikler, bozulmaları adaptif bir şekilde düzeltmek, görüntü netliğini artırmak ve doğru renkleri geri kazandırmak için makine öğrenimi algoritmalarını ve derin sinir ağlarını kullanır ve genellikle geleneksel yöntemlerin ötesinde performans sergiler. Gelişmiş görüntü işleme tekniklerinin sualtı araştırmalarıyla entegrasyonu, daha hassas ve detaylı çalışmalara olanak tanıyarak bilim insanlarının sualtı dünyasını benzersiz bir doğruluk ve verimlilikle daha iyi anlamalarını sağlamaktadır. Bu çalışma, görüntü restorasyonu ve iyileştirme görevleri için yaygın olarak kullanılan mevcut sualtı görüntü veri kümelerinin kapsamlı bir analizini sunmaktadır. Çalışma, en gelişmiş iyileştirme yöntemlerini ve bunların yeteneklerini ayrıntılı bir şekilde inceleyerek, sualtı ortamlarının yarattığı zorluklara yanıt verme konusundaki güçlü ve zayıf yönlerini ortaya koymaktadır. Ayrıca, fotogrametri uygulamaları için özel olarak tasarlanmış yeni bir veri kümesi sunulmaktadır. Bu veri kümesi, üç boyutlu yeniden yapılandırma ve hassas haritalama görevleri için uygunluk sağlamak amacıyla kontrollü koşullarda titizlikle çekilmiş yüksek çözünürlüklü sualtı görüntülerinden oluşmaktadır. Geliştirilen bu yeni veri kümesi, mevcut iyileştirme yöntemlerinin performansını, orijinal tasarım hedeflerinden farklı bir bağlamda test etmek için benzersiz bir kaynak olarak hizmet etmektedir. Günümüzdeki birçok yaklaşım, çeşitli sualtı koşullarına uyum sağlamak için genelleştirilmiş olsa da, bu çalışma, bunların özel bir bağlamdaki uyarlanabilirliğini ve etkinliğini keşfetmeyi amaçlamaktadır. Bu genelleştirilmiş yöntemler, fotogrametriye özgü veri kümesine uygulandığında, yapısal bütünlük, renk doğruluğu ve netlik gibi 3D modelleme için önemli olan benzersiz zorluklarla başa çıkma yetenekleri değerlendirilmiştir. Sonuçlar, sualtı görüntü işleme için genelci ve uzmanlaşmış modeller arasındaki ödünleşimler hakkında değerli bilgiler sunarak, fotogrametri gibi özel kullanım durumlarına yönelik gelecekteki ilerlemelerin yolunu açmaktadır. Bu çalışma, yukarıda belirtilen veri kümesini eğitim ve değerlendirme amacıyla kullanarak, alana özgü model tasarımının genelleştirilmiş yaklaşımlara kıyasla etkinliğini de incelemektedir. Sonuçlarımız, daha küçük ve göreve yönelik bir modelin yalnızca daha yüksek PSNR puanı elde etmekle kalmayıp, aynı zamanda uygulama basitliği ve hesaplama verimliliği açısından da önemli avantajlar sunduğunu göstermektedir. Bu bulgular, hafif ve kullanım amacına özel modellerin su altı fotogrametrisi ve görüntü iyileştirme görevleri için daha uygun olduğunu desteklemektedir. Su altı görüntülemenin özel gereksinimlerine ve kısıtlamalarına odaklanarak, daha büyük ve genelleştirilmiş mimarileri hem maliyet hem de uygulama karmaşıklığı açısından azaltarak geride bırakmanın mümkün olduğunu gösteriyoruz.