基于双颜色空间与多网络融合的水下图像增强

受不同水质、不同深度以及成像设备的影响，水下成像质量往往较低，有低对比度、颜色失真、细节模糊等问题。因此，文中在RGB颜色空间的基础上引入了HSV颜色空间，并与残差网络和注意力机制相结合，实现了双颜色空间与多个子网络的有机融合，弥补了单一颜色空间训练过程中信息丢失、特征提取不全的问题，在保证增强效果的同时提高了整个算法的泛化能力。实验在多个数据集上进行，与众多算法做主观视觉和客观评价指标的比较，使用全参考图像质量评价指标，均方误差(Mean Squared Error, MSE)、峰值信噪比(Peak Signal to Noise Ratio, PSNR)、结构相似性(Structural Similarity, SSIM)以及无参考水下图像质量评价指标，水下图像质量评价(Underwater Image Quality Measures, UIQM)等主流指标进行量化评价。实验表明，该算法不论是在主观还是客观评价上都具有一定的优越性。