基于多尺度级联网络的水下图像增强方法
针对水下图像由于光吸收、后向散射等因素导致的严重色偏、细节丢失等问题,该文提出一种基于多尺度级联网络的水下图像增强方法.针对单一网络特征利用不全面导致的图像梯度消失问题,该方法通过级联多尺度原始图像与相应的特征图像,以获得更优异的细节保持效果,并实现从较浅层到较深层快速预测残差的能力.此外,引入联合密集网络块和递归块,通过特征重用有效解决多尺度网络参数过多的问题.为有效解决单一损失造成的图像细节恢复不均的问题,提出Charbonnier和结构相似度(SSIM)联合损失函数.经仿真实验分析,所提网络在处理水下图像严重色偏、细节丢失等方面都取得了显著的效果.
水下图像增强、多尺度级联网络、多尺度特征提取、梯度消失
44
TN911.73
国家自然科学基金;辽宁省重点研发计划
2022-10-27(万方平台首次上网日期,不代表论文的发表时间)
共10页
3353-3362