基于BcGAN的水下图像增强方法

摘要：

针对目前水下图像增强的结果中存在雾度残留以及细节模糊的问题,提出一种基于条件生成对抗网络(cGAN)的Boosting水下图像增强方法(BcGAN).在编码器-解码器结构的基础上引入SOS boosting策略得到增强生成器,实现对图像特征的逐步细化;提出双重判别器结构,实现对多尺度输入的判别,以WGAN-GP损失为主导构建双重判别器的联合训练损失函数.实验结果表明,相比最新的深度学习水下图像增强方法,所提方法的结构相似性(SSIM)值提升了7.15％,峰值信噪比(PSNR)值提升了45.46％,该方法能够有效减少水下图像的雾度残留并增强图像细节.

关键词：深度学习、水下图像增强、条件生成对抗网络、SOS boosting策略、多尺度

所属期刊栏目：43

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;国家自然科学基金;国家重点研发计划

在线出版日期：2022-12-01（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：3195-3201