首页|多输入融合对抗网络的水下图像增强

多输入融合对抗网络的水下图像增强

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对水下图像出现对比度低、颜色偏差和细节模糊等问题,提出了多输入融合对抗网络进行水下图像增强.该方法主要特点是生成网络采用编码解码结构,通过卷积层滤除噪声,利用反卷积层恢复丢失的细节并逐像素进行细化图像.首先,对原始图像进行预处理,得到颜色校正和对比度增强两种类型图像.其次,利用生成网络学习两种增强图像与原始图像之间差异的置信度图.然后,为减少在生成网络学习过程中两种增强算法引入的伪影和细节模糊,添加了纹理提取单元对两种增强图像进行纹理特征提取,并将提取的纹理特征与对应的置信度图进行融合.最后,通过构建多个损失函数,反复训练对抗网络,得到增强的水下图像.实验结果表明,增强的水下图像色彩鲜明并且对比度提升,评价指标UCIQE均值为0.639 9,NIQE均值为3.727 3.相比于其他算法有显著优势,证明了该算法的良好效果.
Multi-input fusion adversarial network for underwater image enhancement

林森、刘世本、唐延东

展开 >

辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛125105

中国科学院沈阳自动化研究所机器人学国家重点实验室,辽宁沈阳110016

中国科学院机器人与智能制造创新研究院,辽宁沈阳110016

深度学习 生成对抗网络 多输入融合 编码解码框架 水下图像增强

国家自然科学基金辽宁省自然科学基金面上项目辽宁省教育厅科研项目

916481182015020100LJ2019JL022

2020

红外与激光工程
中国航天科工集团公司第三研究院第八三五八研究所

红外与激光工程

CSTPCDCSCD北大核心EI
影响因子：0.754
ISSN：1007-2276
年,卷(期)：2020.49(5)
  • 11
  • 2