水下图像分割方法综述
Abstract
水下图像分割作为海洋工程、水下机器人导航、海洋生物监测及水下资源勘探等领域的核心技术，旨在从复杂且退化的水下图像中精准提取目标区域（如生物体、机器、海底地形等）。然而，水下环境特有的光照衰减、水体散射、颜色失真及低对比度等问题，为分割任务带来了严峻挑战。本文系统综述了水下图像分割领域的研究进展，将现有方法按照任务目标划分为水下显著性目标检测、水下语义分割和水下实例分割三大类。首先，阐述了水下图像分割的研究背景、核心挑战及应用价值；其次，分别详细梳理了三类分割任务的技术演进，从传统方法到基于深度学习的现代方法，深入分析了各类方法的核心思想、网络架构与优势；随后，总结了主流的水下图像分割数据集及对应的评价指标；进而，通过基准实验结果对比，直观展示了不同方法在典型数据集上的性能差异；最后， 对该领域面临的挑战及未来的发展趋势进行总结与展望。本文旨在为相关领域的研究人员提供全面的技术参考，推动水下图像分割技术的进一步发展与应用落地。
Fields of Study & Subjects
Advanced Neural Network Applications
Image Enhancement Techniques
Underwater Vehicles and Communication Systems
Publication details
- Journal / source
- Journal of Image and Graphics
- Volume
- 0
- Issue
- 0
- Pages
- 1–23
- Publication date
- 1 January 2026
- Language
- EN