计算机应用研究

作者：蒋留兵,牟玉洁,车俐,吴永满,

单位：桂林电子科技大学a.信息与通信学院;b.广西无线宽带通信与信号处理重点实验室;c.计算机与信息安全学院,广西桂林514000；

关键词：水下图像增强,卷积神经网络,自校准照明,特征转换,

基金：国家自然科学基金资助项目(61561010)；广西创新驱动发展专项资助项目(桂科AA21077008)；广西无线宽带通信与信号处理重点实验室2022年主任基金资助项目(GXKL06220102,GXKL06220108)；八桂学者专项经费资助项目(2019A51)；桂林电子科技大学研究生教育创新计划资助项目(2022YXW07)；桂林电子科技大学研究生教育创新计划资助项目(2022YCXS080)；；

水下图像质量退化严重阻碍了海洋工程技术的发展，针对水下图像颜色失真、对比度偏低和亮度不均匀等问题，为了解决水下特殊成像环境导致的以上退化问题，同时以便于后续基于水下图像的研究工作，提出了融合自校准照明框架的水下图像增强网络模型，该网络模型在卷积神经网络的基础上融合了自校准照明模块，可以快速、灵活地亮化图像。自校准照明模块中建立了一个具有权重共享的级联照明学习过程来处理水下图像。考虑到级联模式的计算负担，又构建了自校准模块，实现了各阶段结果之间的收敛，大大降低了计算成本，实现了对水下图像亮度的自动调节。最后，分别对实验结果进行定性及定量分析，并且对比了八种先进的增强算法，结果表明提出的方法明显优于其他对比算法。该方法增强后的结果图提高了对比度，对颜色进行了校正，改善了亮度不均匀的问题，同时增强了视觉效果，定性及定量分析结果说明了该方法的有效性。

来源：2023年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第11期