一个新的轻量级模型用于水下图像增强
Botao Liu1,2, Yimin Yang1, Ming Zhao1
1School of Computer Science, Yangtze University, Jingzhou 434025, China.
Sensors (Basel, Switzerland)
|May 25, 2024
概括
本研究介绍了Rep-UWnet,这是一款用于增强水下图像的轻量级模型. 它显著降低了模型尺寸和计算成本,同时提高了图像质量和计算机视觉任务中的性能.
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:
- 水下图像本质上受到低对比度和色彩扭曲的影响.
- 现有的水下图像增强方法通常需要大量的存储和计算资源.
研究的目的:
- 提出一个轻量级的模型,Rep-UWnet,用于增强水下图像.
- 为了减少水下图像增强的存储和计算要求.
- 提高水下图像的客观和主观质量.
主要方法:
- 设计了一个轻量级的卷积神经网络架构 (Rep-UWnet).
- 该模型包含一个用于特征提取的SimSPPF模块和一个用于特征重置的多尺度混合卷积注意模块.
- 三个密集连接的RepConv块与跳过连接被用于高效的特征提取.
主要成果:
- 与以前的方法相比,Rep-UWnet实现了83%的参数减少 (从2.7M降至0.45M).
- 该模型在客观质量指标方面超过了最先进的算法.
- 通过对比度,色度和清晰度的主观评估来证明增强的图像质量.
结论:
- Rep-UWnet为水下图像增强提供了高效的解决方案.
- 拟议的模型显著提高了视觉质量,并且对下游高级视觉任务有效.
- 这种轻量级的方法为资源有限的水下成像应用提供了实用解决方案.
