שיטה היברידית חדשה לתיקון צבע מותאם ורשתות עצביות מתכנסות-קונבולוציוניות לשיפור תמונות תת-מימיות

מדוע חשוב שיהיו תמונות תת-מימיות ברורות יותר

בין אם מדובר בביולוגים ימיים הסוקרים שוניות אלמוגים, מהנדסים הבודקים כבלים תת-מימיים, או צוללנים המשתפים וידאו מטיול סופ״ש — כולם נתקלים בבעיה דומה: תמונות מתחת למים נוטות להיראות מעוננות, בגוון כחול-ירקרק וחסרות פרטים. המחקר הזה מציג דרך חדשה לנקות את התמונות כך שסצנות מתחת לפני המים ייראו קרובות יותר לאופן שבו היינו רואים אותן באוויר צלול, מה שעוזר הן לצופים אנושיים והן למערכות ממוחשבות להבין טוב יותר את העולם התת-מימי.

הבעיה בלצלם מתחת למים

מים הם יותר מסתם גרסה צפופה יותר של אוויר. כשהאור עובר בהם, גלים אדומים וצבעים מסוימים נבלעים ומפורדים יותר מאחרים. אדומים וצהובים דוהים במהירות עם העומק או המרחק, בעוד כחולים וירוקים מתפשטים רחוק יותר — ולכן סצנות רבות תת-מימיות נראות כחלחלת וקהות. חלקיקים זעירים במים מפזרים את האור לכל כיוון, מטשטשים ניגוד ומסתירים פרטים עדינים. השפעות אלה לא רק מתסכלות צלמים חובבים אלא גם מחלישות את ביצועי האלגוריתמים שמנסים לזהות חפצים, למפות את קרקעית הים או לנטר חיי ים באמצעות תמונות ווידאו.

טריקים קיימים ולמה הם אינם מספקים

חוקרים ניסו אסטרטגיות רבות לתיקון תמונות תת-מימיות. חלק מהשיטות מבוססות על מודלים פיזיקליים המתארים כיצד האור נבלע ומפוזר, בניסיון להיפך תהליך זה. אחרות מתמקדות בכיול בהירות וניגוד, שינוי איזון צבעים או עבודה במרחבי צבע מיוחדים שמפרידים בין בהירות לצבע. טכניקות חדשות יותר משתמשות בלמידה עמוקה, מאמנות רשתות עצביות על אוסף גדול של תמונות תת-מימיות כדי שינהגו מהי ‘‘תמונה טובה’’. עם זאת, רבות מהשיטות הן צינורות עבודת יד עם שלבים קבועים או רשתות שעוברות פעם אחת. הן מתקשות כשתנאי המים משתנים, כשהתאורה אינה אחידה או כשיש רעש חזק, כי קשה להן להתאים ולייעל את הפלט לאורך מספר איטרציות.

דרך היברידית מעכירות לצלוליות

המחברים מציעים שיטה היברידית הממזגת את חוזקות תיקון הצבע הקלאסי עם רשת עצבית קונבולוציונית מתכנסת, סוג של מודל למידה עמוקה שנועד לשפר תחזיותיו באופן חוזר. תחילה שלב תיקון צבע מותאם בוחן כיצד אורכי גל שונים נחלשו ומכוון כל ערוץ צבע בהתאם. במקום להגביר באורח עיוור את האדומים או לחתוך את הכחולים, הוא מעריך עד כמה האור נחלש בסביבה הימית הספציפית ומשחזר גווני צבע טבעיים יותר. התמונה מומרת לאחר מכן למרחב צבע המשקף את תפיסת האדם, ומפריד בין בהירות כוללת לרכיבי צבע, מה שמקל על תיקון עיוותים מבלי להרוס פרטים.

לתת לרשת לחזור על התמונה

לאחר התיקון הצבעוני הראשוני, התמונה המעובדת מועברת דרך רשת עצבית מתכנסת. בניגוד לרשת סטנדרטית החוקרת תמונה פעם אחת, העיצוב הזה מעביר את הפלט חזרה כקלט, ומאפשר למודל לשקול מחדש את הסצנה במספר איטרציות. בכל מעבר הוא מחדד קצוות, מנקה רעש ומשפר ניגוד תוך ניסיון לא ליצור הילות מלאכותיות או אזורים מופרזים. צעדי עיבוד נוספים מרככים רעש באופן שמגן על גבולות בין עצמים, וטיפול מיוחד בערוצי כחול וירוק מסייע לתקן את חוסר האיזון הצבעוני הנפוץ ביותר. הצינור הכולל נע אפוא מתמונות גולמיות וגזורות לגוונים מצלולים ומדויקים יותר בהדרגה.

ראיות מסצנות תת-מימיות שונות

כדי להעריך את יעילות השיטה, החוקרים בדקו אותה על מגוון מאגרים ציבוריים של תמונות תת-מימיות, הכוללים סצנות סינתטיות ומציאותיות, וכן תמונות סטילס ווידאו. הם העריכו איכות בעזרת מדדים סטנדרטיים שמשווים חדות, דמיון מבני ורמות רעש, וגם בעזרת ניקוד שאינו דורש תמונת ייחוס מושלמת — חשוב בים שבו קשה לקבוע מהו מראה ‘‘נכון’’ באמת. על פני תמונות של שוניות אלמוגים, פסלים בקרקעית, דגים ושחיינים, הגישה שלהם הניבה בהתמדה ציונים גבוהים יותר מכל השיטות המתחרות וגם תמונות שהצופים האנושיים שפטו כבהירות, צבעוניות ועשירות בפרטים.

מה משמעות הדבר לראייה מתחת לים

במילים פשוטות, המחקר מראה שתיקון מדוד של הצבע בתחילה ואחר כך מתן אפשרות לרשת חכמה ללטש את התוצאה שוב ושוב מובילים לתמונות תת-מימיות שנראות טבעיות יותר וחושפות מידע רב יותר. אמנם השיטה עלולה להיתקל בקשיים בתנאים חושכים במיוחד וציון איכות קיים אינו תחליף מושלם לשיפוט אנושי, אך גישה היברידית זו כבר מספקת שיפור פרקטי למשימות כמו גילוי עצמים, בדיקה ומעקב סביבתי מתחת לפני המים. עם שיפורים נוספים ודרכי הערכה טובות יותר, כלים כאלה יכולים להפוך לרכיבים סטנדרטיים במצלמות וברובוטים תת-מימיים, ולספק לנו חלון ברור יותר אל האוקיינוסים.

ציטוט: Natarajan, D., Sudhakaran, P. & Bereznychenko, V. A novel hybrid customized color correction and Recurrent Convolutional Neural Networks approach for underwater image enhancement. Sci Rep 16, 14006 (2026). https://doi.org/10.1038/s41598-026-44535-z

מילות מפתח: צילום תת-מימי, שיפור תמונה, תיקון צבע, למידה עמוקה, ראייה ימית