相关实验视频
Updated: Jul 23, 2025
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
442
基于生成对抗网络的预处理框架的水下图像增强方法
Xiao Jiang1, Haibin Yu1,2, Yaxin Zhang1
1College of Electronics and Information, Hangzhou Dianzi University, Hangzhou 310018, China.
Sensors (Basel, Switzerland)
|July 14, 2023
概括
这项研究介绍了ECO-GAN,这是机器人有效的水下图像增强方法. 它有效地解决了色彩扭曲,低对比度和运动模糊,改善了水下摄影.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 图像处理 图像处理
背景情况:
- 水下机器人摄影会受到色彩扭曲,低对比度和运动模糊的影响.
- 现有的方法可能无法同时全面解决多个水下图像退化问题.
研究的目的:
- 为机器人摄影开发一种高效的水下图像增强方法.
- 为了应对包括色彩扭曲,低对比度和运动模糊在内的挑战.
主要方法:
- 提出ECO-GAN,一个基于生成对抗网络的预处理框架.
- 利用卷积神经网络准运动模糊,低亮度和颜色偏差.
- 采用编码器-解码器架构与跨阶段融合模块,以优化性能.
主要成果:
- ECO-GAN有效地同时进行无噪声,消除模糊和消除色彩偏差.
- 与现有方法相比,实现了优越的水下图像增强.
- 证明了扩展到多个水下图像增强功能的灵活性.
结论:
- ECO-GAN提供了一种高效和有效的解决方案,用于增强水下机器人图像.
- 该方法可以在不需要先前的物理知识的情况下实现盲人图像增强.
- 对于推进自主水下勘探和数据收集,ECO-GAN显示出有前途的前景.
