多输入融合对抗网络的水下图像增强

摘要：

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.

关键词：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

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;辽宁省教育厅科学研究项目

在线出版日期：2020-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：209-217