科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对局部低照度导致的水下图像细节丢失以及使用现有的水下图像整体增强方法产生的增强过度现象，提出一种基于改进Retinex-Net的水下图像增强方法。通过基于HSV空间颜色阈值的图像二值化获取图像任意位置的低照度区域；利用卷积神经网络对图像的低照度区域学习与分解，并对分解结果进行端对端训练；在增强网络中运用U-Net,构建了可自适应增强任意位置、任意大小低照度区域的新网络UIE-Net。对比实验表明，该方法对图像的局部低照度区域增强效果明显，在保留图像的细节、清晰度、结构相似性以及图像质量等方面表现较好，测试指标中平均梯度、水下图像清晰度、图像的结构相似度和峰值信噪比评价较好，均值分别可达到4.04、0.51、0.92和27.62 dB。
- 单位
