基于水下场景先验的水下图像增强方法研究

作     者：陈鑫 钱旭 周佳加 武杨 CHEN Xin;QIAN Xu;ZHOU Jiajia;WU Yang

作者机构：海装沈阳局驻哈尔滨地区第二军事代表室黑龙江哈尔滨150001 哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001 

基　　金：国家自然科学基金项目(51609048 51909044 52071108) 

出 版 物：《应用科技》 (Applied Science and Technology)

年 卷 期：2024年第51卷第2期

页      码：56-65页

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。

主 题 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 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.11991/yykj.202302013

馆 藏 号：203126108...