多尺度特征融合注意力网络的水下图像增强

作     者：刘玉珍 刘美怡 林森 陶志勇 Liu Yuzhen;Liu Meiyi;Lin Sen;Tao Zhiyong

作者机构：辽宁工程技术大学电子与信息工程学院葫芦岛125105 沈阳理工大学自动化与电气工程学院沈阳110159 

基　　金：国家重点研发计划(2018YFB1403303) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2023年第35卷第5期

页      码：685-695页

摘      要：水下图像在海洋资源探索中具有重要作用.针对现有的水下增强方法存在去雾不彻底和细节丢失等问题,提出一种基于多尺度特征融合注意力网络的水下图像增强方法.首先,采用多特征提取模块获取图像特征,学习不同空间的特征信息,并通过特征融合模块加强不同空间信息的有效联系,实现特征的复用和深层次的学习;然后,构建特征调制模块,将低质量信息特征转换为高质量信息特征,包括通道和像素注意残差块,将其堆叠成链式结构,通过动态调制多级特征增强图像细节,并抑制冗余信息;最后,构建包含均方差损失函数、L1损失函数和感知损失函数的多项式损失函数,引入异步训练模式提高网络性能.实验结果表明,基于EUVP数据集、合成的SUDS数据集和UFO-120数据集,该方法在主观视觉质量和客观评价指标(UCIQE,NIQE,SURF以及信息熵)上均优于其他经典及新颖方法,增强后水下图像去雾效果良好,并且在恢复图像细节方面也具有明显优势,显著地提高了水下图像的视觉质量.

主 题 词：图像处理 多尺度 特征提取 注意力机制 特征调制模块 

学科分类：0710[理学-生物科学类] 08[工学] 080203[080203] 0714[0714] 0802[工学-机械学] 0701[理学-数学类] 

核心收录：

D　O　I：10.3724/SP.J.1089.2023.19460

馆 藏 号：203122607...