适应图像_基于物理模型反馈的水下图像增强的域自适应对抗学习

文献下载地址：

Domain Adaptive Adversarial Learning Based on Physics Model Feedback for Underwater Image Enhancement​arxiv.org

Domain Adaptive Adversarial Learning Based on Physics Model Feedback for Underwater Image Enhancement

作者团队：天津大学

引入域自适应机制以及物理模型约束反馈控制，以增强水下图像，表现SOTA！性能优于DUIENet、IBLA和UCL等网络。

由于水中悬浮颗粒对光的折射，吸收和散射，水下原始图像的对比度低，细节模糊和色彩失真。这些特征可能会严重干扰水下图像的可见性以及视觉任务（例如分割和跟踪）的结果。

为了解决这个问题，作者团队通过基于物理模型的反馈控制和域自适应机制，提出了一种新的强大的对抗学习框架，用于增强水下图像以获得逼真的结果。提出了一种利用水下图像形成模型从RGB-D数据中模拟水下训练数据集的新方法。在合成数据集上，训练了一种新颖的增强框架，该框架引入了域自适应机制以及物理模型约束反馈控制，以增强水下场景。在合成和真实水下图像上的最终增强结果证明了该方法的优越性，该方法在定性和定量评估方面均优于非深度学习方法和深度学习方法。此外，进行了消融研究，以显示本文提出的每个组件的贡献。