Resumen

La robótica móvil submarina ha facilitado a los humanos, y en ocasiones permitido, la realización de tareas de análisis y reconocimiento de espacios subacuáticos. Con los saltos de avanzada de la tecnología en los últimos años, se consigue el acceso a mejores recursos tecnológicos y una gran capacidad de computación, mejorando significativamente los vehículos autónomos submarinos (en inglés, Autonomous Underwater Vehicles, AUV), dando lugar a la obtención de una enorme cantidad de información proporcionada por las imágenes tomadas por estos dispositivos.

Sin embargo, es común que en entornos submarinos las condiciones para la captura de imágenes no sean óptimas. A raíz de esto, existen una serie de inconvenientes, en ocasiones asociados al uso de fuentes lumínicas artificiales, que van desde el exceso de iluminación, e incluso saturación o atenuación con la distancia, hasta la pérdida de color en función de la frecuencia.

Este trabajo tiene como línea de investigación el análisis, diseño, implementación y evaluación de técnicas de optimización automática de imágenes submarinas. Consiste en el análisis de diversas arquitecturas de deep learning que, con la configuración y el entrena- miento adecuado, los modelos obtenidos sean capaces de generar una mejora considerable en las imágenes originales.

El objetivo final es el diseño de un modelo de deep learning capaz de mejorar la calidad de las imágenes submarinas distorsionadas, obteniendo así resultados uniformes, nítidos y reales.

análisis de imágenes, entornos submarinos, redes neuronales convolucionales, aprendizaje automático, aprendizaje profundo.