相关实验视频
Updated: Sep 11, 2025

10:56
Long-term Behavioral Tracking of Freely Swimming Weakly Electric Fish
Published on: March 6, 2014
12.6K
使用混合变压器和进化粒子群集优化进行水下图像增强
Ajay Kumar1, Gagandeep Berar2, Manmohan Sharma1
1Department of Computer Science and Engineering, Manipal University Jaipur, Jaipur, Rajasthan, India.
Scientific reports
|August 12, 2025
概括
本研究介绍了一种混合变压器网络,该网络使用粒子群优化 (HTN-PSO) 进行了优化,以显著提高水下图像质量. 新的HTN-PSO方法提高了可见性,减少了扭曲,优于现有技术.
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:
- 水下成像面临着诸如可见性差,色彩扭曲和光散射等挑战.
- 现有的方法很难有效地解决这些复杂的水下图像退化问题.
研究的目的:
- 开发和评估一个新的框架,以提高水下图像质量.
- 为了提高水下图像的清晰度,颜色精度和整体视觉准确度.
主要方法:
- 一个混合变压器网络 (HTN) 结合粒子优化 (PSO) 已开发 (HTN-PSO).
- 该框架集成了CNN和变压器,用于特征提取和依赖性建模.
- PSO优化了变压器参数,以实现最大的图像增强.
主要成果:
- 在基准数据集 (RUIE,EUVP,UWGAN,UIEB) 上,HTN-PSO表现优越.
- 在水下图像质量测量 (UIQM) 中实现了12%的增加,在盲人/无引用图像空间质量评估器 (BRISQUE) 中减少了高达15%.
- 超越了像Uformer和Restormer这样的既定方法.
结论:
- HTN-PSO框架在水下图像增强方面取得了重大进展.
- 它为改善勘探,研究和监视中的图像质量提供了强大的解决方案.
- 提出的方法显示优于传统和现有的基于神经网络的方法.

