深度学习驱动的水下图像增强与复原研究进展

摘要：

水下图像是水下信息的重要载体和呈现方式,对海洋资源的探索、开发、利用具有至关重要的作用.然而,由于客观成像环境和设备的限制,水下图像质量总是差强人意,具有对比度低、细节模糊、颜色偏差等退化现象,严重制约相关领域的发展.因此,如何通过后期算法对退化的水下图像进行增强和复原越来越受到学者们的关注.近些年,随着深度学习技术的快速发展,基于深度学习的水下图像增强与复原技术取得了巨大进展.为了更加全面、立体地对现有方法进行梳理与归纳,紧跟最新研究进展,本文着重对深度学习驱动的水下图像增强与复原的方法和模型进行介绍,详细整理现有的水下图像数据集,分析现有基于深度学习方法的关键问题,并对未来发展方向进行展望.

关键词：水下图像、质量退化、图像增强与复原、深度学习、水下图像增强与复原数据库

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：北京市科技新星计划;国家自然科学基金;中央高校基本科研业务费专项资金资助;香江学者计划,中国博士后科学基金资助项目

在线出版日期：2020-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1377-1389