多输入融合对抗网络的水下图像增强

林森; 刘世本; 唐延东

doi:doi:10.3788/irla20200015

红外与激光工程, 2020, 49 (5): 20200015, 网络出版: 2020-09-22

多输入融合对抗网络的水下图像增强下载： 757次

Multi-input fusion adversarial network for underwater image enhancement

林森 ^1,2,3,*刘世本 ¹唐延东 ^2,3

作者单位

¹ 辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛 125105

² 中国科学院沈阳自动化研究所机器人学国家重点实验室，辽宁沈阳 110016

³ 中国科学院机器人与智能制造创新研究院，辽宁沈阳 110016

图 & 表

图 1. 预处理图

Fig. 1. Preprocessing graph

下载图片查看原文

图 2. 卷积和反卷积

Fig. 2. Convolution and deconvolution

下载图片查看原文

图 3. 网络结构图

Fig. 3. Network structure diagram

下载图片查看原文

图 4. ReLU对比实验

Fig. 4. ReLu comparison experiment

下载图片查看原文

图 5. 残差连接实验。 (a) 原图；(b) 无残差连接；(c) 残差连接；(d) 残差连接和一层卷积层

Fig. 5. Skip connection experiment. (a) Original drawing; (b) No residual connection; (c) Residual connection; (d) Residual connection and one layer of convolution

下载图片查看原文

图 6. 颜色恢复试验。(a) Original；(b) 标准颜色卡；(c) LAB；(d) DUIENet；(e) DCP；(f) DehazeNet and HWD；(g) MFGAN

Fig. 6. Experimental of color restoration. (a) Origianl；(b) Standard color card；(c) LAB；(d) DUIENet；(e) DCP；(f) DehazeNet and HWD；(g) MFGAN

下载图片查看原文

图 7. 实验结果图。(a) Original；(b) DCP；(c) LAB；(d) CLAHE；(e) DehazeNet and HWD；(f) DUIENet；(g) UGAN；(h) MFGAN

Fig. 7. Experimental result . (a) Original；(b) DCP；(c) LAB；(d) CLAHE；(e) DehazeNet and HWD；(f) DUIENet；(g) UGAN；(h) MFGAN

下载图片查看原文

图 8. 特征匹配实验结果

Fig. 8. Experimental results of feature matching

下载图片查看原文

表 1UCIQE评价指标结果

Table1. Quantitative results in terms of UCIQE

Image	DCP	LAB	CLAHE	DehazeNet and HWD	DUIENet	UGAN	MFGAN
1	0.676 2	0.600 8	0.645 5	0.669 7	0.630 3	0.690 6	0.676 6
2	0.636 3	0.576 9	0.615 8	0.613 8	0.577 2	0.619 6	0.641 0
3	0.595 1	0.466 6	0.461 6	0.546 9	0.441 2	0.561 6	0.637 7
4	0.598 5	0.569 9	0.605 1	0.653 3	0.566 8	0.601 5	0.624 1
5	0.590 3	0.546 8	0.577 7	0.580 7	0.593 8	0.577 7	0.624 4
6	0.638 8	0.568 5	0.592 6	0.639 1	0.568 1	0.592 6	0.640 3
Average	0.622 5	0.554 9	0.583 1	0.617 2	0.562 9	0.607 3	0.639 9

查看原文

表 2NIQE评价指标结果

Table2. Quantitative results in terms of NIQE

Image	DCP	LAB	CLAHE	DehazeNet and HWD	DUIENet	UGAN	MFGAN
1	3.559 5	3.850 2	3.909 8	4.715 6	4.700 6	4.663 0	3.614 4
2	3.581 4	3.547 5	3.411 6	4.873 4	4.901 1	3.525 3	3.442 2
3	6.457 1	6.047 4	5.804 9	8.510 4	6.034 8	3.327 0	4.548 6
4	3.585 5	3.712 1	3.875 2	3.993 4	4.150 3	4.562 4	3.359 9
5	4.050 1	4.065 9	3.904 6	3.868 5	4.507 8	5.097 9	3.745 3
6	3.226 1	3.400 2	3.497 2	3.580 7	3.061 8	5.546 0	3.455 4
Average	4.076 6	4.058 9	4.067 2	4.923 6	4.559 4	4.453 6	3.727 3

查看原文

林森, 刘世本, 唐延东. 多输入融合对抗网络的水下图像增强[J]. 红外与激光工程, 2020, 49(5): 20200015. Lin Sen, Liu Shiben, Tang Yandong. Multi-input fusion adversarial network for underwater image enhancement[J]. Infrared and Laser Engineering, 2020, 49(5): 20200015.

多输入融合对抗网络的水下图像增强下载： 757次

图 1. 预处理图

Fig. 1. Preprocessing graph

图 2. 卷积和反卷积

Fig. 2. Convolution and deconvolution

图 3. 网络结构图

Fig. 3. Network structure diagram

图 4. ReLU对比实验

Fig. 4. ReLu comparison experiment

图 5. 残差连接实验。 (a) 原图；(b) 无残差连接；(c) 残差连接；(d) 残差连接和一层卷积层

Fig. 5. Skip connection experiment. (a) Original drawing; (b) No residual connection; (c) Residual connection; (d) Residual connection and one layer of convolution

图 6. 颜色恢复试验。(a) Original；(b) 标准颜色卡；(c) LAB；(d) DUIENet；(e) DCP；(f) DehazeNet and HWD；(g) MFGAN

Fig. 6. Experimental of color restoration. (a) Origianl；(b) Standard color card；(c) LAB；(d) DUIENet；(e) DCP；(f) DehazeNet and HWD；(g) MFGAN

图 7. 实验结果图。(a) Original；(b) DCP；(c) LAB；(d) CLAHE；(e) DehazeNet and HWD；(f) DUIENet；(g) UGAN；(h) MFGAN

Fig. 7. Experimental result . (a) Original；(b) DCP；(c) LAB；(d) CLAHE；(e) DehazeNet and HWD；(f) DUIENet；(g) UGAN；(h) MFGAN

图 8. 特征匹配实验结果

Fig. 8. Experimental results of feature matching

表 1UCIQE评价指标结果

Table1. Quantitative results in terms of UCIQE

表 2NIQE评价指标结果

Table2. Quantitative results in terms of NIQE

关于本站 Cookie 的使用提示

全站搜索

多输入融合对抗网络的水下图像增强 下载： 757次

图 1. 预处理图

Fig. 1. Preprocessing graph

图 2. 卷积和反卷积

Fig. 2. Convolution and deconvolution

图 3. 网络结构图

Fig. 3. Network structure diagram

图 4. ReLU对比实验

Fig. 4. ReLu comparison experiment

图 5. 残差连接实验。 (a) 原图；(b) 无残差连接；(c) 残差连接；(d) 残差连接和一层卷积层

Fig. 5. Skip connection experiment. (a) Original drawing; (b) No residual connection; (c) Residual connection; (d) Residual connection and one layer of convolution

图 6. 颜色恢复试验 。(a) Original；(b) 标准颜色卡；(c) LAB；(d) DUIENet；(e) DCP；(f) DehazeNet and HWD；(g) MFGAN

Fig. 6. Experimental of color restoration. (a) Origianl；(b) Standard color card；(c) LAB；(d) DUIENet；(e) DCP；(f) DehazeNet and HWD；(g) MFGAN

图 7. 实验结果图 。(a) Original；(b) DCP；(c) LAB；(d) CLAHE；(e) DehazeNet and HWD；(f) DUIENet；(g) UGAN；(h) MFGAN

Fig. 7. Experimental result . (a) Original；(b) DCP；(c) LAB；(d) CLAHE；(e) DehazeNet and HWD；(f) DUIENet；(g) UGAN；(h) MFGAN

图 8. 特征匹配实验结果

Fig. 8. Experimental results of feature matching

表 1UCIQE评价指标结果

Table1. Quantitative results in terms of UCIQE

表 2NIQE评价指标结果

Table2. Quantitative results in terms of NIQE

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

多输入融合对抗网络的水下图像增强下载： 757次

图 6. 颜色恢复试验。(a) Original；(b) 标准颜色卡；(c) LAB；(d) DUIENet；(e) DCP；(f) DehazeNet and HWD；(g) MFGAN

图 7. 实验结果图。(a) Original；(b) DCP；(c) LAB；(d) CLAHE；(e) DehazeNet and HWD；(f) DUIENet；(g) UGAN；(h) MFGAN