Η αναζήτηση χαμένων ναυαγίων, κατεστραμμένων αεροσκαφών και σπάνιων ειδών κοραλλιών και ψαριών μπορεί να γίνει ευκολότερη χάρη σε μια νέα τεχνολογία βελτίωσης εικόνας που ανέπτυξαν ερευνητές του Πανεπιστημίου James Cook.
Η καινοτόμος τεχνολογία, γνωστή ως UDnet (Uncertainty Distribution Network), χρησιμοποιεί τεχνητή νοημοσύνη (AI) για αυτόματη βελτίωση χαμηλής ποιότητας υποβρύχιων εικόνων. Η διαδικασία περιλαμβάνει προσαρμογές σε αντίθεση, κορεσμό και διόρθωση gamma, χωρίς την ανάγκη ανθρώπινης παρέμβασης. Τα αποτελέσματα της έρευνας έχουν δημοσιευθεί στο επιστημονικό περιοδικό Expert Systems with Applications.
Βελτίωση εικόνων με ακρίβεια και λεπτομέρεια
Η UDnet παράγει πιο καθαρές και ευκρινείς εικόνες, αποκαλύπτοντας λεπτομέρειες που αλλιώς θα ήταν αόρατες ή δυσδιάκριτες. Η τεχνολογία αναπτύχθηκε από τον Μεταδιδακτορικό Ερευνητή Dr. Alzayat Saleh και τον Καθηγητή Ηλεκτρονικής και Μηχανικής Υπολογιστών Mostafa Rahimi Azghadi, σε συνεργασία με τους Διακεκριμένους Καθηγητές Marcus Sheaves και Dean Jerry.
Σε δοκιμές που περιλάμβαναν χιλιάδες εικόνες από διαφορετικά σύνολα δεδομένων, η UDnet ξεπέρασε 10 από τα πιο προηγμένα μοντέλα βελτίωσης υποβρύχιων εικόνων που υπάρχουν σήμερα.
Η πρόκληση της υποβρύχιας φωτογράφισης
«Η ποιότητα της εικόνας υποβρύχια δεν είναι ίδια με αυτήν πάνω από την επιφάνεια του νερού», εξηγεί ο Καθηγητής Azghadi.
«Το φως διαχέεται διαφορετικά, και διάφορα μήκη κύματος απορροφώνται με διαφορετικούς ρυθμούς. Αυτό καθιστά δύσκολη τη λήψη καθαρών εικόνων, ειδικά σε μεγαλύτερα βάθη.»
Η UDnet αντιμετωπίζει αυτές τις προκλήσεις, εξουδετερώνοντας τις επιπτώσεις της απορρόφησης και διάχυσης του φωτός.
«Στο νερό, μόνο τα χρώματα με μικρότερα μήκη κύματος, όπως το μπλε και το πράσινο, διαπερνούν σε μεγάλο βάθος. Αυτό συχνά αλλοιώνει τα αληθινά χρώματα των υποβρύχιων σκηνών, δυσκολεύοντας τη διάκριση αντικειμένων, όπως διαφορετικά είδη κοραλλιών», σημειώνει ο Dr. Saleh.
Πως λειτουργεί η UDnet
Η UDnet εκπαιδεύεται σε μεγάλα σύνολα δεδομένων υποβρύχιων εικόνων και χρησιμοποιεί τα τρία κύρια χρώματα του φωτός—κόκκινο, πράσινο και μπλε—για την ανάλυση κάθε pixel και τη διόρθωση χρωματικών ανισορροπιών.
Για παράδειγμα, αν μια εικόνα είναι κατά 99% μπλε λόγω της υποβρύχιας λήψης, το μοντέλο αναγνωρίζει ότι αυτό δεν είναι ρεαλιστικό και προσαρμόζει τα χρώματα για να επιτύχει φυσική ισορροπία. Κάθε pixel επεξεργάζεται εκατομμύρια φορές, καθοδηγούμενο από στατιστικούς αλγόριθμους, για να διασφαλιστεί ότι οι βελτιωμένες εικόνες είναι όσο το δυνατόν πιο ακριβείς.
Εφαρμογές σε πραγματικό χρόνο
Ένα από τα σημαντικότερα πλεονεκτήματα της UDnet είναι η δυνατότητά της να επεξεργάζεται εικόνες και βίντεο σε πραγματικό χρόνο, κάτι που την καθιστά ιδανική για χρήση με υποβρύχιες κάμερες, όπως αυτές που τοποθετούνται σε τηλεκατευθυνόμενα οχήματα (ROVs).
Επιπλέον, η UDnet είναι ανοιχτού κώδικα και διαθέσιμη για δωρεάν λήψη, επιτρέποντας σε ερευνητές, θαλάσσιους επιστήμονες και εξερευνητές να ξεκινήσουν τη χρήση της εύκολα.
Ενίσχυση της θαλάσσιας επιστήμης και άλλων πεδίων
Ο Dr. Saleh επισημαίνει ότι οι ερευνητές στη θαλάσσια επιστήμη και την ιχθυοκαλλιέργεια θα επωφεληθούν ιδιαίτερα από την τεχνολογία αυτή. «Για παράδειγμα, αν μελετάτε ένα ψάρι, χρειάζεστε μια καθαρή εικόνα για να αναλύσετε λεπτομέρειες, όπως το χρώμα του ή τυχόν σημάδια ασθένειας. Η UDnet παρέχει αυτή τη σαφήνεια.»
Πέρα από τη θαλάσσια επιστήμη, η τεχνολογία μπορεί να χρησιμοποιηθεί στη διατήρηση θαλάσσιας βιοποικιλότητας, την υποβρύχια αρχαιολογία, την περιβαλλοντική παρακολούθηση, ακόμη και στις επιχειρήσεις έρευνας και διάσωσης, όπως ο εντοπισμός χαμένων αεροσκαφών.
Προοπτικές και μελλοντικές εφαρμογές
Η UDnet ανοίγει νέους δρόμους για τη μελέτη του υποθαλάσσιου κόσμου. Η βελτιωμένη ανάλυση εικόνων μπορεί να συμβάλει στην ακριβέστερη καταγραφή δεδομένων, την ανίχνευση περιβαλλοντικών αλλαγών και την ανάπτυξη πιο αποτελεσματικών στρατηγικών προστασίας των ωκεανών.
Επιπλέον, η ανοιχτή πρόσβαση στην τεχνολογία δημιουργεί ευκαιρίες για συνεργασία και καινοτομία σε διάφορους τομείς, ενισχύοντας τη διεθνή ερευνητική κοινότητα.
