Voyis努力产生水下图像，其中水介质的影响完全消除。该技术的目标是生成水下图像，其颜色与空气中的颜色相同，使勘探人员能够可视化水下资产的真实颜色，并发现标准相机不常见的细节。
在“彩色成像系列”的第一部分中，Voyis讨论了颜色校正技术的使用和适合一系列无人驾驶应用的测量级成像解决方案的开发。
水下吸色
为了了解水下彩色图像校正的挑战，我们必须首先了解这个问题。人类感知颜色是基于不同波长的光(颜色通道)从物体上反射并到达我们眼睛的方式。在空气中，所有颜色通道(红、绿、蓝)的吸收大致相等。这意味着，像木船这样的物体被认为是棕色的，因为它主要反射红色和绿色波长。
然而，由于红色波长被水吸收得更多，所以沉船的颜色就会被改变。标准相机的设计并没有考虑到这种水下色移，因为它们的颜色形成模型忽略了水下光的强烈波长依赖性。
因此，我们的目标是制作水下图像，其颜色显示为在空气中所感知的颜色。探索者能够可视化海底资产的真实颜色，并发现标准摄像机不常见的细节。
测量级色彩校正解决方案的另一个挑战是一致性。用于摄影测量的图像数据集具有从不同角度(不同时间)观察时必须与图像序列匹配的特征。在每个角度，随着人工光源相对于特征的移动，特征的感知颜色都将发生变化(不同的距离)，照明分布也将发生变化。因此，解决方案必须平衡颜色再现效果和图像之间的一致性。
解决方案
为了解决这个复杂的问题，Voyis开发了一种适用于各种应用的测量级成像解决方案。利用机器学习为当前的测量位置有效地训练颜色校正模型。
实现这一目标的第一步是收集原始静态图像。在相机应用其基于空气的颜色形成模型之前记录的未改变的图像信息。
使用Voyis成像系统，一旦在新环境中收集到图像数据集，就可以将其输入到ViewLS数据模块软件中，以训练校正模型。保存的文件既可以应用于纠正当前数据集，也可以加载到成像系统中，以便在类似的环境中进行实时校正。
虽然实时图像校正通常是首选，但在静态相机上进行的用户也可以在后期处理中使用原始图像来进一步优化结果。
结果是非常有效的精确调整图像的颜色通道。并利用广义模型保证序列图像在光照和颜色上的一致性。
这种校正变换如下图所示。原始单色图像首先不失真，然后最终校正到其真实的颜色与校正模型的应用。
由于图像已经过持续校正，以去除水介质的所有方面——颜色、光照和失真——输出数据集可以直接用于地面摄影测量软件。从而产生令人难以置信的广域图像地图(正畸)和3D模型。下面的模型是在Pix4D软件中创建的，只需放入一组从沉船两次飞行中收集的图像即可。
当颜色再现与标准颜色表进行验证时，我们看到了与使用标准图像颜色形成的相机相比的巨大改进。下面的对比显示了在清澈的沿海水域3米范围内使用标准GoPro相机和Voyis拍摄的彩色图表观察者微。
