10.3969/j.issn.1672-9730.2021.04.010
基于灰度归一化融合深度神经网络的水下图像增强方法
水下环境的复杂情况会导致水下图像分辨率低、图像模糊等问题,恢复水下图像质量的方法通常是以陆地上的图像增强算法作为理论根据进行改进的,这些算法在对水下图像增强中效果不佳并且缺乏普适性.为更好地解决水下图像的增强问题,提出一种基于灰度归一化融合深度学习网络(SRGAN)对其进行强化的解决方法,该方法利用归一化对图像的背景色彩进行纠正,并提高整体的对比度,再通过卷积神经网络超分辨率重构获得清晰的水下增强图像.灰度归一化对于水下图像色彩纠正具有良好的效果,而对抗生成网络对于图像像素重建的效果较传统增强方法具有细节强、过渡平滑等优点.通过实验证明该方法可以有效地增强水下图像.
水下图像增强、灰度归一化、SRGAN
41
TP183(自动化基础理论)
2021-05-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
43-46,132