-
题名基于多分支残差注意力网络的水下图像增强
- 1
-
-
作者
程竹明
李佳轩
黄三傲
韩立超
王培珍
-
机构
安徽工业大学电气与信息工程学院
-
出处
《光学精密工程》
北大核心
2025年第7期1141-1151,共11页
-
基金
国家自然科学基金资助项目(No.51574004)
安徽省高校自然科学基金重点项目(No.KJ2019A0085)。
-
文摘
针对水下图像存在的颜色失真、对比度低、细节模糊等问题,提出一种基于多分支残差注意力网络的水下图像增强算法。该网络在编码器和解码器的前后分别引入多分支色彩增强模块,用来自适应校正图像的颜色偏差,在网络颈部设计了残差注意力模块,以减少编码器和解码器之间的特征丢失,从而增强图像细节;最后,构造了联合特征损失函数,确保网络能够学习到图像的丰富特征,在改善图像色彩的同时可以有效保留边缘信息。分别利用LUSI和EVUP两种测试集与6种先进方法进行了对比,实验结果表明:通过本文算法增强后的图像在主观感受和客观评价上均取得了最优指标,在LUSI测试集上,平均峰值信噪比(PSNR)和结构相似度(SSIM)分别达到27.420 dB,0.885,与次优方法相比提高了3.9%和0.8%;在EVUP测试集上,PSNR和SSIM分别达到26.159 dB和0.851,与次优方法相比提高了3.3%和1.3%。该算法具有良好的图像质量增强效果与稳定性,可以为水下工程中的图像分析提供一种有效的方法。
-
关键词
水下图像增强
深度学习
残差注意力模块
多分支色彩增强模块
注意力机制
联合损失函数
-
Keywords
underwater image enhancement
deep learning
residual attention module
multi-branch color enhancement module
attention mechanism
joint loss function
-
分类号
TP394.1
[自动化与计算机技术—计算机应用技术]
TH691.9
[机械工程—机械制造及自动化]
-
