基于频域分离的水下图像增强模型
2025-08-26李超凡
电脑知识与技术 2025年20期
关键词:深度学习







摘要:针对水体对不同波长光线吸收造成的蓝绿色偏色和低对比度问题,文章提出了一种基于频域信息分离的三阶段水下图像增强模型。模型首先通过特征提取网络获得图像特征金字塔;接着,利用频域分离模块增强水下图像的颜色校正和细节恢复;最后,通过输出模块融合增强后的特征,恢复为增强后的水下图像。实验证明,相比于STSC算法,文章算法在UIQM和UCIQE指标上均有显著提升。
关键词:水下图像增强;深度学习;颜色校正;细节增强;频域分离
中图分类号:TP391文献标识码:A
文章编号:1009-3044(2025)20-0008-04
0引言
使用水下无人设备进行海洋勘察,已逐渐成为获取水下图像和研究水下环境的关键手段。然而,水中悬浮颗粒的散射导致水下成像模糊,呈现薄纱质感。此外,水体对不同波段光线的吸收导致成像偏移,增加了水下成像的难度。因此,利用水下图像增强(UIE)技术以降低水下成像特有的图像退化,获得高质量的水下环境图像信息受到广泛关注。
自Jaff-McGlamery水下成像模型[1-2]提出以来,出现了许多水下图像增强算法。目前的水下图像增强模型往往过于关注图像的某一方面信息,导致有些方法在增强细节的同时,未能充分校正水体引起的色偏;而部分方法虽然校正了色偏,却使原始图像中的细节信息变得模糊,从而降低了图像的清晰度。
构建一个能够从数据集多角度获取信息并进行深入分析的模型,对于基于学习的水下图像增强算法至关重要。Chen等[3]在图像超分辨率任务的模型中引入图像语义分割、深度估计的输出,通过获取多样化信息,使模型能够从多个维度进行学习,提高了图像超分辨率任务中对目标边缘信息的恢复能力。……
登录APP查看全文
