CASF-Net:用色彩校正和空间融合进行水下图像增强
Kai Chen1, Zhenhao Li1, Fanting Zhou1
1Key Laboratory of Ocean Observation and Information of Hainan Province, Sanya Oceanographic Institution, Ocean University of China, Sanya 572000, China.
Sensors (Basel, Switzerland)
|April 26, 2025
概括
本研究介绍了CASF-Net,这是一种新的水下图像增强 (UIE) 方法,解决了对比度和纹理问题. 新方法,以及多样化的数据集,与现有技术相比,显著提高了IEU的性能.
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:
- 水下图像对于海洋资源勘探至关重要,但存在低对比度和扭曲纹理的问题.
- 现有的水下图像增强 (UIE) 方法往往忽略了这些具体的挑战,限制了它们的有效性.
研究的目的:
- 开发一种新的UIE方法,有效地解决不充分的对比度和表面纹理扭曲.
- 引入一个全面的数据集用于培训和评估UIE算法.
主要方法:
- 拟议的CASF-Net (通道适应和空间融合网) 包含一个通道适应校正模块 (CACM) 用于特征提取和颜色校正.
- 实施了空间多尺度融合模块 (SMFM),以减轻表面纹理扭曲并提高和度.
- 介绍了大规模的高分辨率水下图像增强数据集 (LHUI),包含13,080个图像对.
主要成果:
- 与现有的方法相比,CASF-Net在增强水下图像方面表现出卓越的性能.
- 该CACM模块有效地改善了对比度和色彩校正.
- SMFM模块成功地减少了表面纹理扭曲,并提高了图像和度.
结论:
- CASF-Net为IEU提供了显著的进步,有效地解决了对比度和纹理问题.
- 该LHUI数据集为未来研究水下图像增强提供了宝贵的资源.
