![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
水下图像处理
文章平均质量分 88
ForwardRun23
分享学习过程,交流心得。
展开
-
【论文笔记】UICoE-Net
摘要-在水下场景中,由于波长相关的光吸收和散射引起的水下图像退化给视觉任务带来了巨大的挑战。基于视觉的水下图像增强技术在海洋工程和水下机器人等领域的应用具有重要意义。在过去的几年里,许多水下图像增强算法被提出。然而,几乎所有现有的方法都只关注于独立图像的增强。考虑到同一水下场景下拍摄的图像通常具有相似的退化,相关图像可以为彼此的增强提供丰富的互补信息。在本文中,我们提出了一个基于编码器-解码器暹罗架构的水下图像协同增强网络(uico - net)。为了实现联合学习,我们在Siamese编码器-解码器结构的多原创 2022-12-04 20:58:44 · 392 阅读 · 2 评论 -
【论文笔记】Ucolor
由于波长和距离相关的衰减和散射,水下图像会产生色差和对比度低的问题。为了解决这两个问题,我们提出了一种基于介质传输引导的多色空间嵌入水下图像增强网络,称为Ucolor。具体而言,我们首先提出了一种多颜色空间编码器网络,该网络通过将不同颜色空间的特征融合到统一的结构中,丰富了特征表示的多样性。加上注意机制,从多个颜色空间中提取的最具鉴别性的特征被自适应地整合和突出显示。受水下成像物理模型的启发,我们设计了一个介质传输(表明场景辐射到达相机的百分比)引导解码器网络,以增强网络对质量退化区域的响应。原创 2022-11-30 13:58:32 · 2227 阅读 · 2 评论 -
【论文笔记】SGUIE-Net
由于波长相关的光的衰减、折射和散射,水下图像通常会产生颜色失真和细节模糊。然而,由于以未失真图像为参考的成对水下图像数量有限,训练不同退化类型的深度增强模型相当困难。为了提高数据驱动方法的性能,必须建立更有效的学习机制,从有限的训练样本资源中挖掘更丰富的监督信息。在本文中,我们提出了一种新的水下图像增强网络SGUIENet,该网络通过区域增强特征学习引入语义信息作为高级指导。因此,我们提出了语义区域增强模块,以更好地学习具有多尺度感知的语义区域的局部增强特征。原创 2022-11-28 21:19:45 · 568 阅读 · 0 评论