一个具有多个规模和注意力机制的生成对抗网络,用于水下图像增强

科学领域:

• 计算机视觉 计算机视觉
• 图像处理 图像处理
• 海洋技术 海洋技术

背景情况:

• 水下图像往往缺乏清晰度,并且由于环境因素而表现出色彩扭曲.
• 图像质量差阻碍了诸如海洋生态监测和水下目标检测等关键应用.

研究的目的:

• 开发一种用于增强水下图像的先进方法.
• 提高水下视觉数据的质量和可用性,用于各种应用.

主要方法:

• 设计了一个具有编码器-解码器结构的生成对抗网络 (GAN).
• 关键模块包括剩余卷积,多尺度扩展卷积和功能融合自适应注意.
• 为了解决色彩扭曲问题,提出了包含色彩损失的改进损失函数.

主要成果:

• 拟议的方法在定量评估中取得了卓越的表现.
• 增强图像显示了最高的峰值信号噪声比 (PSNR),结构相似度指数 (SSIM) 和水下图像质量测量 (UIQM) 值.
• 该方法有效地减少了色彩扭曲,并改善了整体图像清晰度.

结论:

• 开发的生成对抗网络为水下图像增强提供了强大的解决方案.
• 这一进步通过提供更清晰,更准确的视觉数据,显著有利于海洋研究和水下勘探.