融合深度学习与成像模型的水下图像增强算法

摘要：

水下机器人的视觉感知功能因受到水下环境因素的影响,面临着图像质量降低的挑战,如图像颜色畸变、整体色调偏绿、偏蓝、对比度较低、细节较为模糊等.提出一种结合深度学习方法与物理成像模型的新型水下图像增强算法,通过构建包含扩张卷积和带参数激活函数的神经网络,进行背景散射光和直接传输映射的估计,并结合成像模型的数学表达进行重建运算得到增强后图像.实验结果表明,与UDCP、IBLA、GLNet等典型图像增强算法相比,该算法具有更快的运算速度,且能够消除水下环境因素带来的影响,丰富图像色彩的同时能增强各类细节,在峰值信噪比指标和结构相似度指标上取得了较大值.此外,增强后的图像在特征点匹配实验中获得了更好的匹配效果.

关键词：深度学习;成像模型;图像增强;水下机器人;视觉感知

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;上海交通大学深蓝计划重点项目

在线出版日期：2022-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：243-249