基于颜色–场景联合迁移的水下图像增强方法

作者：曹舒宁; 许晟旗; 郭赟; 肖雪尧; 陈秉灵^*

来源：数字海洋与水下攻防, 2023, 6(01): 10-16.

DOI：10.19838/j.issn.2096-5753.2023.01.002

• 图像处理
• 水下图像增强
• 卷积神经网络
• 域迁移

水下成像存在颜色失真、图像对比度严重下降等问题。大多数基于深度学习的水下图像增强方法依赖仿真数据集，由于仿真与实测数据之间存在较大的分布差异，实测泛化能力受限。将水下图像增强任务划分为2个更简单，但是同时具有明确物理意义的子问题：颜色校正和对比度增强，提出基于物理模型分解的域内–域间迁移框架。首先，域内迁移校正图像颜色，通过学习对退化图像进行分解，在场景光层面通过对齐颜色退化，校正颜色失真同时保证其它成分完全不受影响。进一步，再次利用基于水下散射模型的分解策略，通过针对性迁移水下退化因素，使得仿真–实测域之间实现相互迁移和交互，增强水下图像对比度。实验结果表明：本方法在真实水下图像数据集上处理的结果，在色彩、纹理细节和清晰程度方面均优于现有的对比方法。

• 单位
  自动化学院; 华中科技大学; 中山大学南方学院