使用多任务聚变进行水下图像增强
Kaibo Liao1, Xi Peng1,2
1School of Computer, Central China Normal University, Wuhan, Hubei, China.
PloS one
|February 26, 2024
概括
本研究引入了一种多任务融合 (MTF) 方法,以增强水下图像,提高可见性和对比度. 在图像恢复和目标检测等应用中,MTF的性能优于现有的算法.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 海洋学 海洋学 海洋学
背景情况:
- 水下图像由于水的条件而遭受散射,吸收和色彩扭曲.
- 这些障碍会降低可见性和对比度,阻碍先进的视觉分析.
- 现有的方法往往无法同时解决多个降解因素.
研究的目的:
- 提出一种基于多任务融合 (MTF) 的新型水下图像增强方法.
- 为了解决色彩扭曲,低可见度和水下图像中的差异.
- 为了实现后续视觉任务的优质图像恢复和增强.
主要方法:
- 使用线性约束和灰色世界假设进行颜色校正.
- 通过改进的II型模糊集基于算法的可见性增强.
- 使用标准正常分布和softplus函数进行对比增强.
- 通过解决相似性并导出最佳的融合重量来实现多任务融合.
主要成果:
- 拟议的MTF方法显示出出色的图像增强和恢复能力.
- MTF产生了视觉上令人愉快的结果,提高了清晰度和颜色精度.
- 定量和定性评估表明,MTF在两个数据集上表现优于十个最先进的算法.
结论:
- 多任务融合方法有效地提高了水下图像质量.
- 在图像恢复和视觉吸引力方面,MTF显示了显著的改进.
- 该方法对水下环境中的目标和边缘检测等应用具有前景.
