10.13229/j.cnki.jdxbgxb20200431
基于多尺度注意力融合和卷积神经网络的水下图像恢复
由于水中悬浮粒子对光的吸收和散射,导致原始水下图像清晰度低、细节模糊和颜色失真,针对这些问题,提出了一种基于多尺度注意力融合和卷积神经网络CNN的水下图像恢复方法.利用注意力机制构造SC(Space channel)模块,通过在多尺度特征提取中加入SC模块,可以有效地提取图像中的信息,实现图像清晰度的提高和颜色校正.利用拉普拉斯算子构造多项损失函数,进一步增强图像细节特征,使得恢复后的图像质量得到显著提升.将本文方法与其他方法在两个测试集上进行定性和定量的对比,实验结果表明,本文方法恢复后的图像在图像清晰度、细节增强和颜色校正方面都优于其他方法.
信息处理技术、水下图像恢复、注意力机制、拉普拉斯算子、卷积神经网络
51
TP391.4(计算技术、计算机技术)
国家自然科学基金41776142
2022-05-26(万方平台首次上网日期,不代表论文的发表时间)
共9页
1396-1404