使用混合GAN处理水下图像,注意瓶,并改进基于Retinex的优化

科学领域:

• 机器人和海洋技术 机器人和海洋技术
• 计算机视觉和图像处理
• 人工智能的人工智能

背景情况:

• 自主水下车辆 (AUV) 需要高质量的水下图像来进行勘探和监测.
• 水下图像因散射,色彩扭曲和雾而受损,挑战了传统的增强方法.
• 现有的技术往往无法在不均的照明下保持结构细节和感知质量.

研究的目的:

• 开发一个新的框架,用于强大的水下图像处理和增强.
• 提高水下成像系统的检测和跟踪能力.
• 提供一种解决方案,克服传统和当前基于学习的增强方法的局限性.

主要方法:

• 使用生成对抗网络 (GAN) 学习退化和高质量的水下图像之间的映射.
• 集成了一个瓶注意模块 (BAM),以选择性地放大突出的空间和频道特定特征.
• 基于Retinex的增强算法被用于通过分离照明和反射功率组件来进行自适应对比增强.

主要成果:

• 拟议的方法在UIEB数据集上取得了卓越的性能,UIQM得分为3.71,PSNR为28.4dB,SSIM为0.88.
• 低LPIPS得分为0.082表示高感知现实主义,与人类视觉偏好保持一致.
• 该框架显示了与经典和现有的基于学习的水下图像增强技术相比的显著改进.

结论:

• 综合框架有效地解决了水下图像退化问题,提高了图像质量和感知现实性.
• 该方法显示了在使用AUV进行水下视觉,监视和勘探方面的实际应用的巨大潜力.
• 这种新的方法为具有挑战性的水下成像场景提供了弹性和有效的解决方案.