本書(shū)基于上海海洋大學(xué)“數(shù)字海洋研究所”相關(guān)科研積累，重點(diǎn)考慮了計(jì)算機(jī)視覺(jué)技術(shù)在海洋智能感知中數(shù)據(jù)分析方面的創(chuàng)新與應(yīng)用。本書(shū)從空中衛(wèi)星遙感影像、岸基視頻分析、水下光學(xué)圖像，以及大數(shù)據(jù)可視分析四個(gè)方面，詳細(xì)闡述了海洋領(lǐng)域的計(jì)算機(jī)視覺(jué)關(guān)鍵技術(shù)，并通過(guò)海洋渦旋、海洋鋒、海浪要素檢測(cè)、水下機(jī)器視覺(jué)增強(qiáng)、多視圖海洋異常模式挖掘等具體應(yīng)用案例闡明了計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用潛力。本書(shū)內(nèi)容有助于推進(jìn)人工智能與智慧海洋交叉領(lǐng)域的研究，加速智能技術(shù)在海洋領(lǐng)域的應(yīng)用創(chuàng)新，助力海洋科技發(fā)展。
目 錄
第1章 緒 論 1
1.1 海洋智能感知概述 1
1.1.1 基本概念 1
1.1.2 發(fā)展歷程 2
1.1.3 海洋智能感知中計(jì)算機(jī)視覺(jué)技術(shù)的作用 5
1.2 計(jì)算機(jī)視覺(jué)技術(shù)概述 6
1.2.1 發(fā)展歷程 6
1.2.2 主要研究方向 7
1.3 計(jì)算機(jī)視覺(jué)技術(shù)在海洋領(lǐng)域的應(yīng)用 10
1.3.1 數(shù)據(jù)來(lái)源及類型 11
1.3.2 計(jì)算機(jī)視覺(jué)技術(shù)的海洋應(yīng)用場(chǎng)景 12
1.3.3 計(jì)算機(jī)視覺(jué)技術(shù)海洋領(lǐng)域應(yīng)用的挑戰(zhàn) 16
參考文獻(xiàn) 19
第2章 基于衛(wèi)星遙感影像的海洋中尺度現(xiàn)象
識(shí)別和時(shí)空分析 20
2.1 中尺度現(xiàn)象概況 20
2.2 中尺度現(xiàn)象的識(shí)別與檢測(cè)方法 21
2.2.1 中尺度渦的識(shí)別與檢測(cè)方法 21
2.2.2 海洋鋒的識(shí)別與檢測(cè)方法 26
2.3 海洋中尺度現(xiàn)象識(shí)別案例 36
2.3.1 中尺度渦的識(shí)別案例 36
2.3.2 中尺度鋒的識(shí)別案例 48
2.4 海洋中尺度現(xiàn)象時(shí)空分析 59
2.4.1 中尺度渦軌跡時(shí)空分析 59
2.4.2 中尺度海洋鋒時(shí)空分析 68
參考文獻(xiàn) 75
第3章 基于岸基視頻分析的海浪要素檢測(cè)技術(shù) 77
3.1 海浪監(jiān)測(cè)技術(shù)概況 77
3.1.1 人工目測(cè)法 77
3.1.2 浮標(biāo)測(cè)波法 78
3.1.3 雷達(dá)測(cè)波法 79
3.1.4 衛(wèi)星測(cè)波法 80
3.2 基于圖像 / 視頻的海浪監(jiān)測(cè)技術(shù) 80
3.2.1 基于立體攝影的測(cè)量法 80
3.2.2 基于圖像 / 視頻特征的海浪要素檢測(cè)法 82
3.2.3 基于深度學(xué)習(xí)特征提取的海浪等級(jí)檢測(cè)模型 82
3.3 視頻時(shí)空分析的海浪要素檢測(cè)技術(shù)案例 85
3.3.1 案例 1——時(shí)空特征多級(jí)融合的海浪有效浪高檢測(cè)模型 85
3.3.2 案例 2——時(shí)空特征協(xié)同的海浪周期檢測(cè)模型 94
參考文獻(xiàn) 99
第4章 面向海洋探測(cè)的水下光學(xué)圖像增強(qiáng)技術(shù) 101
4.1 水下圖像增強(qiáng)技術(shù)概況 101
4.1.1 水下圖像增強(qiáng)的必要性 101
4.1.2 水下圖像成像原理 102
4.1.3 簡(jiǎn)化的水下圖像成像模型 104
4.2 傳統(tǒng)水下圖像的增強(qiáng)方法 106
4.2.1 直方圖均衡化增強(qiáng)算法 107
4.2.2 基于融合的水下圖像增強(qiáng)方法 110
4.2.3 Retinex 增強(qiáng)算法 112
4.2.4 基于暗通道先驗(yàn)的水下圖像復(fù)原方法 113
4.2.5 傳統(tǒng)方法效果對(duì)比 116
4.3 基于深度學(xué)習(xí)的水下圖像增強(qiáng)方法 117
4.3.1 基于 CNN 的水下圖像增強(qiáng)方法 118
4.3.2 基于 GAN 的水下圖像增強(qiáng)方法 119
4.3.3 深度學(xué)習(xí)方法效果對(duì)比 120
4.4 水下圖像增強(qiáng)技術(shù)及其應(yīng)用案例 121
4.4.1 案例 1——基于雙生成器 GAN 的水下圖像增強(qiáng) 121
4.4.2 案例 2——模糊水下圖像的增強(qiáng)混合魚(yú)類檢測(cè)方法 129
參考文獻(xiàn) 136
第5章 海洋大數(shù)據(jù)的可視分析技術(shù) 140
5.1 可視分析技術(shù)概況 140
5.1.1 可視分析基本概念 141
5.1.2 可視分析技術(shù)在海洋領(lǐng)域中的應(yīng)用 144
5.2 多維海洋數(shù)據(jù)可視分析技術(shù) 145
5.2.1 投影 146
5.2.2 散點(diǎn)圖 147
5.2.3 平行坐標(biāo) 149
5.2.4 聚類 151
5.3 海洋時(shí)空數(shù)據(jù)可視分析 153
5.3.1 靜態(tài)可視化 154
5.3.2 動(dòng)態(tài)可視化 155
5.3.3 時(shí)空數(shù)據(jù)可視化的實(shí)現(xiàn)技術(shù) 155
5.3.4 海洋結(jié)構(gòu)可視分析 157
5.4 海洋大數(shù)據(jù)可視分析案例 158
5.4.1 案例 1——基于多視圖的多維數(shù)據(jù)關(guān)聯(lián)關(guān)系分析方法 159
5.4.2 案例 2——基于多視圖的海洋異常模式發(fā)現(xiàn)可視分析方法 166
