论文

基于多输入对抗网络的水下图像增强

Multi-input adversarial network for underwater image enhancement
【摘要】:由于水体吸收和散射的影响,水下图像往往存在纹理特征模糊、对比度降低以及颜色失真等现象。为提高水下图像的视觉质量,本文提出一种基于多输入对抗网络水下图像增强。首先,利用经典的DCP算法对原始图像进行去雾,针对上去雾图像分别使用白平衡(WB)和对比度受限的自适应直方图均衡化(CLAHE)算法,得到颜色矫正和对比度增强图像;然后,利用编码器-解码器学习原始图像、颜色校正和对比度增强图像之间的特征差异的置信度图,为减少WB和CLAHE算法引入的伪影和细节模糊,引入两个子网络分别滤除干扰信息,保留重要特征信息;最后,通过对每个子网络输出的重要特征进行门融合操作,利用判别网络和参数固定的VGG-19网络进行训练以达到最优解,获得增强的水下图像。对增强后的水下图像进行测试与评估,实验结果表明,增强后的水下图像色彩鲜明和细节清晰,该网络对视觉效果有显著提升。
【关键词】:生成对抗网络;融合;密集块;水下图像增强
【发布时间】:2019-10-22
【下载次数】:23
收藏成功!
在“我的收藏”中可进行查看
夜间模式
评论成功