科研之友
微信
新浪微博
Facebook
分享链接
摘要
水介质的吸收和散射特性致使水下图像存在不同类型的失真，严重影响后续处理的准确性和有效性。目前有监督学习的水下图像增强方法依靠合成的水下配对图像集进行训练，然而由于合成的数据可能无法准确地模拟水下成像的基本物理机制，所以监督学习的方法很难应用于实际的应用场景。该文提出一种基于特征解耦的无监督水下图像增强方法，一方面，考虑获取同一场景下的清晰-非清晰配对数据集难度大且成本高，提出采用循环生成对抗网络将水下图像增强问题转换成风格迁移问题，实现无监督学习；另一方面，结合特征解耦方法分别提取图像的风格特征和结构特征，保证增强前后图像的结构一致性。实验结果表明，该方法可以在非配对数据训练的情况下，能够有效恢复水下图像的颜色和纹理细节。
- 单位
