揭开隐藏的深处:利用深度学习和自动编码器在水下图像增强方面的进步

科学领域:

• 海洋生物学 海洋生物学
• 计算机视觉 计算机视觉
• 图像处理 图像处理

背景情况:

• 水下图像由于光吸收和散射而遭受色彩扭曲和低可见性.
• 现有的增强方法往往无法在保存图像细节的同时准确地纠正颜色.

研究的目的:

• 开发一种新的深度学习方法来增强水下图像.
• 为了提高颜色保真度和从水下视觉数据中提取信息.

主要方法:

• 训练了一个卷积自编码器,将扭曲的水下颜色映射到纠正的对应物上.
• 该模型使用增强水下视觉感知 (EUVP) 和水下图像增强基准 (UIEB) 数据集进行了训练和验证.

主要成果:

• 拟议的基于自动编码器的模型与传统和其他深度学习方法相比,实现了更高的性能.
• 使用结构相似性指数 (SSIM) 和峰值信号与噪声比率 (PSNR) 的定量评估显示了显著的改善.

结论:

• 这种新的深度学习方法通过纠正色彩扭曲来有效地提高水下图像质量.
• 这种方法为依赖于准确的水下视觉信息的应用提供了更好的功能.