基于水下场景先验的水下图像增强方法研究 |
| |
引用本文: | 陈鑫,钱旭,周佳加,武杨.基于水下场景先验的水下图像增强方法研究[J].应用科技,2024(2):56-65. |
| |
作者姓名: | 陈鑫 钱旭 周佳加 武杨 |
| |
作者单位: | 1. 海装沈阳局驻哈尔滨地区第二军事代表室;2. 哈尔滨工程大学智能科学与工程学院 |
| |
基金项目: | 国家自然科学基金项目(51609048,51909044,52071108); |
| |
摘 要: | 针对水体光线吸收与散射作用引起的图像模糊、低对比度和颜色失真等问题,提出一种基于水下场景先验的水下图像增强方法。首先利用水下场景的先验知识,结合水下成像物理模型和水下场景的光学特性,利用10种预定义衰减系数合成涵盖不同类型和退化水平的水下图像数据集;然后利用初始残差和密集级联,设计一类轻量级卷积神经网络(convolutional neural networks, CNN)模型增强水下图像,结合基于轻量级的网络结构和有效的训练数据,可减少增强模型的计算量并有效改善水下退化图像的视觉质量;最后采用归一化的后处理过程进一步提升图像增强的效果。仿真实验结果表明,所提方法可行有效,可应用到不同的真实水下场景,具有较强的鲁棒性与有效性。
|
关 键 词: | 深度学习 卷积神经网络 水下场景先验 水下图像合成 水下图像增强 初始残差 归一化处理 结构相似性损失 |
|
|