科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于复杂的水下环境和光照条件，采集到的水下图像通常因波长相关的吸收和散射效应而发生退化，这些负面因素造成了水下图像的对比度低，细节表现差且存在色偏，限制了水下图像和视频在海洋开发战的实际应用。针对这些问题，本文提出了一种多输入的基于TransFormer和卷积神经网络CNN水下图像复原方法。利用TransFormer和Relative Total Variatio构造深度特征提取模块，融合Relative Total Variatio提取的纹理图与TransFormer提取到的图像信息，有效增强了图像的细节特征。利用自动色彩均衡和Lab色彩空间构建色彩校正模块，提升图像对比度，同时校正颜色。利用多项损失函数约束网络收敛，得到增强后的清晰水下图像。最后将本文方法与其他方法在测试集上进行定量和定性的对比分析，实验结果表明，经过本文方法处理后的图像在清晰度、色彩表现和纹理信息方面均优于其他对比方法。
- 单位
