李微，毕晓君

1. 哈尔滨工程大学 信息与通信工程学院，黑龙江 哈尔滨 150001

2. 中央民族大学 信息工程学院，北京 100081

水下图像的质量对海洋军事、海洋资源开发等领域的研究具有至关重要的影响。然而，由于光在水中的衰减，造成获取的水下图像呈现出色偏、对比度低以及不清晰等问题，因此，对水下图像进行增强成为研究者们关注的热点。现有的水下图像增强方法分为基于深度学习的水下图像增强算法和基于传统算法的水下图像增强算法[1]。传统的水下图像增强方法能够对特定场景下的水下图像进行增强，但是传统算法对于图像中出现的不均匀光照、图像雾化等不同场景下的图像，容易出现局部区域过度增强而背景区域增强不够且增强效率低的问题，实际应用价值有限。而近年来，深度学习方法[2]在对图像进行处理上具有良好的效果以及较高的效率，因此，将深度学习方法应用到水下图像增强中具有重要意义。

由于深度学习方法在提取图像特征方面的表现良好，本文提出采用深度学习网络作为水下图像增强的网络。首先本文提出采用生成对抗网络合成水下图像，制作数据集，之后在制作的数据集的基础上训练一个能够充分提取水下图像特征的改进U-Net网络[3]用于真实场景下的水下图像增强。

1 相关工作

深度学习方法需要规模庞大的数据集对模型进行训练，然而这在深海环境中很难得到，因此需要制作水下数据集，接着利用深度学习网络提取数据集中的水下图像特征，使网络能够应用到真实场景下的水下图像增强。……