首页|一种基于深度卷积神经网络的水下光电图像质量优化方法

一种基于深度卷积神经网络的水下光电图像质量优化方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
由于水体对光的吸收和散射,水下光电图像具有低信噪比、低对比度等特点,导致目标难以识别,限制了水下光电成像装备的实际应用和发展.为提高目标的探测精度和识别率,提出包含一维并行卷积和子像素卷积的深度卷积神经网络,利用其从水下光电图像训练集中学习优化图像质量的参数,实现了去噪和对比度增强.实验结果表明,相比于经典去噪方法和对比度增强方法联合处理的结果,本文方法得到的峰值信噪比和均方根对比度分别平均提高了2.93 dB和14.41,能够有效地权衡去噪、对比度增强和亮度提升等,获得适合人眼视觉感受的图像,且处理单幅图像的平均速度是经典方法的9.46倍.利用测试集对网络进行测试,其在一定范围内较好地优化了图像质量,具有一定的泛化特性.
Optimization of Underwater Photoelectric Image Quality Based on Deep Convolutional Neural Networks

张清博、张晓晖、韩宏伟

展开 >

海军工程大学兵器工程学院,湖北武汉430033

图像处理 水下光电图像 噪声 低对比度 卷积神经网络 子像素卷积

军内科研项目

417210751

2018

光学学报
中国光学学会　中国科学院上海光学精密机械研究所

光学学报

CSTPCDCSCD北大核心EI
影响因子：1.931
ISSN：0253-2239
年,卷(期)：2018.38(11)
  • 7
  • 8