-
题名多特征选择与双向残差融合的无监督水下图像增强
被引量：8
- 1
-
-
作者
胡雨航
赵磊
李恒
刘辉
-
机构
昆明理工大学信息工程与自动化学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2023年第9期190-202,共13页
-
基金
国家自然科学基金项目(62263016)
云南省科技厅面上项目(202001AT070038)资助。
-
文摘
如今,利用合成的成对数据集训练的有监督模型泛化能力弱,在多变的实际水下环境中表现不佳,而无监督模型虽摆脱了成对数据集的依赖,但生成图像可能因缺少特征信息导致图像视觉质量较差。故以循环生成对抗网络为架构,提出多特征选择与双向残差融合的水下图像增强方法。一方面,设计以混合注意力为基础的多特征选择模块对水下图像的多种特征进行选择,再由双向残差融合对传统U型跳跃连接进行优化,使图像特征高效表达,有效恢复水下图像的纹理与色彩。另一方面,在判别器中引入混合注意力并提出内容感知损失和风格感知损失,保证增强图像在全局内容、局部纹理、风格特征等方面和清晰图像一致。与现有的无监督和有监督模型相比较,该模型PSNR分别提高了6%和2%,SSIM分别提高了4%和3%,对水下图像有着显著的增强效果,在色彩真实度和饱和度上相比其他现有方法更加优秀。
-
关键词
无监督模型
循环生成对抗网络
多特征选择
双向残差融合
水下图像增强
-
Keywords
unsupervised models
recurrent generative adversarial networks
multi-feature selection
bidirectional residual fusion
underwater image enhancement
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TN919.8
[电子电信—通信与信息系统]
-
