基于双信息调制网络的水下图像恢复.
1School of Computer and Software, Nanjing Vocational University of Industry Technology, Nanjing, 210023, China. li1019wang@gmail.com.
Scientific reports
|March 5, 2024
概括
这项研究引入了一种新的双信息调制网络 (DIMN),以增强水下图像恢复 (UIR). DIMN有效地解决了水下图像中的色彩偏差和低对比度,显著提高了视觉质量.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 水下图像受到光吸收和散射的影响,导致质量降低,缺少细节,对比度低,颜色偏差.
- 现有的深度学习方法用于水下图像恢复 (UIR),往往无法解释不同的颜色通道衰减和空间不一致.
研究的目的:
- 提出一个新的双信息调制网络 (DIMN),用于准确和有效的水下图像恢复.
- 为了解决当前UIR方法在处理不均图像退化方面的局限性.
主要方法:
- 开发了一个双信息调制网络 (DIMN),其中包含一个多信息增强模块 (MIEM).
- MIEM使用空间意识注意力块 (SAAB) 专注于空间线索以进行色彩校正和细节恢复.
- 使用多尺度结构变压器块 (MSTB) 来增强结构和整体感知能力,提高清晰度和对比度.
主要成果:
- 拟议的DIMN与现有的最先进的UIR方法相比,显示出更高的性能.
- 实验结果验证了SAAB在纠正颜色偏差和恢复细节方面的有效性.
- 通过利用多尺度特征互补性,MSTB有效地提高了图像的清晰度和对比度.
结论:
- 双信息调制网络 (DIMN) 在水下图像恢复方面取得了重大进展.
- 该网络的架构有效地应对了不均的水下环境所带来的挑战.
- 拟议的方法提供了一个强大的解决方案,以提高水下图像的视觉质量.


