基于语义感知的多特征协同水下图像增强

作者：陶志勇^*; 杨煜; 林森

来源：信息与控制, 2023, 1-13.

DOI：10.13976/j.cnki.xk.2024.3113

• 深度学习
• 图像增强
• 特征提取
• 直方图拉伸

水下图像增强对海洋资源探索有重要意义。针对现有水下图像增强方法存在的去雾和颜色恢复效果不佳问题，提出一种基于语义感知的多特征协同水下图像增强网络。首先，通过语义感知特征提取模块充分提取原始水下图像的纹理和结构特征；同时，将水下退化图像输入到多尺度增强模块中进行对比度增强和多尺度特征细化，并提取增强图像的全局特征；然后，在多特征融合模块中对多分支特征并行调制和融合，增强多特征分支之间的有效联系和特征表达能力，抑制冗余信息；最后，通过残差连接重构清晰水下图像。在水下图像增强基准数据集、增强水下视觉感知数据集以及水下图像同步增强数据集上的实验结果表明，本文方法相较基于像素处理及物理模型的经典算法、其他深度学习算法具有更好的增强效果，全参考评价指标峰值信噪比及结构相似性分别提升1.72%和4.3%，无参考评价指标信息熵提升0.32%。

• 单位
  沈阳理工大学; 辽宁工程技术大学