通过多尺度解策略进行水下图像增强
Jiaquan Yan1, Hao Hu1, Yijian Wang2
1The Fujian Provincial Key Laboratory of Information Processing and Intelligent Control, School of Computer and Big Data, Minjiang University, Fuzhou, 350121, China.
Scientific reports
|February 19, 2025
概括
本研究介绍了用于水下图像增强 (UIE) 的多层次解网络 (MD-Net). 通过解物理参数并重建它们,MD-Net提高了图像质量,优于现有方法.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 遥感 遥感 遥感 遥感
背景情况:
- 水下图像因颜色抛光,低照明和由于光吸收和散射而变得模糊而退化.
- 现有的数据驱动方法往往无法解释特定的水下场景特征.
研究的目的:
- 为有效的水下图像增强 (UIE) 提出一个新的多层次解网络 (MD-Net).
- 通过将场景特征纳入增强过程来解决当前方法的局限性.
主要方法:
- MD-Net使用场景辐射解 (SRD) 和传输地图解 (TMD) 模块.
- 网络将图像分离为场景辐射,传输地图和全球背景光,然后重建它们.
- 类对抗学习,多层融合模块 (MFM) 和双层重量估计单元 (DWEU) 被用于准确性和增强.
主要成果:
- 对基准数据集的广泛实验证明了MD-Net的卓越性能.
- 拟议的方法显著优于传统和最先进的IEU技术.
- 定性和定量结果验证了解和增强策略的有效性.
结论:
- 通过利用物理参数解,MD-Net提供了一个强大的水下图像增强解决方案.
- 该网络有效地解决了色彩投影和可见性问题,产生了更清晰,更详细的水下图像.
- 该方法在水下图像处理领域取得了重大进展.
