首页|基于多尺度注意力融合和卷积神经网络的水下图像恢复

基于多尺度注意力融合和卷积神经网络的水下图像恢复

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
由于水中悬浮粒子对光的吸收和散射,导致原始水下图像清晰度低、细节模糊和颜色失真,针对这些问题,提出了一种基于多尺度注意力融合和卷积神经网络CNN的水下图像恢复方法.利用注意力机制构造SC(Space channel)模块,通过在多尺度特征提取中加入SC模块,可以有效地提取图像中的信息,实现图像清晰度的提高和颜色校正.利用拉普拉斯算子构造多项损失函数,进一步增强图像细节特征,使得恢复后的图像质量得到显著提升.将本文方法与其他方法在两个测试集上进行定性和定量的对比,实验结果表明,本文方法恢复后的图像在图像清晰度、细节增强和颜色校正方面都优于其他方法.
Underwater image restoration based on multi-scale attention fusion and convolutional neural network

王德兴、吴若有、袁红春、宫鹏、王越

展开 >

上海海洋大学 信息学院,上海 201306

信息处理技术 水下图像恢复 注意力机制 拉普拉斯算子 卷积神经网络

41776142

2021

10.13229/j.cnki.jdxbgxb20200431

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(4)
  • 4
  • 1