CPDM:用于水下图像增强的内容保存扩散模型.
1Guangzhou University, School of Computer Science and Cyber Engineering, Guangzhou, 510006, China.
Scientific reports
|December 29, 2024
概括
本研究介绍了一种内容保存扩散模型 (CPDM),用于稳定的水下图像增强. 尽管水下条件不断变化,但CPDM适应了扩散模型以提高图像质量.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 人工智能的人工智能
背景情况:
- 水下图像增强 (UIE) 面临的挑战是由于复杂和可变的水生环境.
- 目前的方法,依赖于物理模型或数据驱动的方法,在不断变化的条件和培训不稳定性引起的性能瓶中扎.
研究的目的:
- 调整扩散模型以进行强大的水下图像增强.
- 提出一个内容保存传播模型 (CPDM),以解决现有的UIE方法的性能限制.
主要方法:
- 利用扩散模型进行稳定的培训.
- 使用原始和差异图像设计一个具有条件输入模块的内容保存框架.
- 实施内容补偿模块,以提取内容意识培训的低级特征.
主要成果:
- 在LSUI,UIEB和EUVP数据集上,CPDM表现出卓越的性能.
- 与最先进的方法相比,该模型实现了更好的主观和客观指标.
- 在水下图像增强的整体性能方面,超越了现有的方法.
结论:
- 拟议的CPDM通过调整扩散模型,有效地增强了水下图像.
- 对于IEU任务,CPDM提供了更好的适应性和内容保存.
- 该方法为水下图像增强挑战提供了稳定和高性能解决方案.


