基于改进残差网络的水下图像重建方法
自然水体成像中湍流及悬浮颗粒等环境因素会造成水下采集的图像存在扭曲失真、分辨率低、背景模糊等问题,为了解决上述问题并进一步提高图像重建和复原的质量,提出了一种改进的基于残差网络的图像超分辨率重建方法,该方法将网络中的残差密集块和自适应机制进行融合,有效解决深度学习网络中经常遇到的梯度爆炸问题,同时能够抑制无用信息的学习,充分利用重要特征信息.为了使网络适应水下噪声环境,通过自建水下系统对目标板分别在清水中和浑浊微湍流水域中进行采集并对其进行图像配对生成训练对,并在河流和海洋水域下采集图像生成测试集.实验结果表明,在微湍流的海洋水域和河流水域中,较传统的水下图像处理和神经网络算法,使用改进的残差网络算法能够很好地对水下图像进行重建,重建图像的边缘信息得到了极大的保留,图像的重建效果更好.
残差网络、深度学习、超分辨率重建、自适应机制、水下图像处理
47
TN911.73;TP183
湖北省自然科学基金面上项目;湖北省大学生创业训练计划基金资助项目
2020-07-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
500-504,529