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
图 & 表
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
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
|
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.