为了解决水下退化图像出现的色彩偏差等问题,提出一种基于稠密级联卷积神经网络的水下图像增强算法。首先将退化的水下图像从传统的红、绿、蓝(RGB)颜色空间转换到色调、饱和度、亮度(HSV)颜色空间,保持色调分量和亮度分量不变,利用级联卷积神经网络对饱和度分量增强。然后在特征提取网络编解码过程中引入了新的稠密块。稠密块将残差连接、跳跃连接和多尺度卷积结合起来,纠正颜色失真。纹理细化网络是利用了6个纹理细化单元对所得到的细化图像进一步提取特征信息。最后将通过级联卷积神经网络进行提取的S通道图与H、V通道图进行合并,得到增强的水下图像。实验结果表明,提出算法增强的水下图像的水下彩色图像质量评价平均可达到0.616875,水下图像质量测量平均可达到5.197000。对比算法表明,提出的水下图像增强算法不仅增强效果良好,且增强的结果更符合人类视觉习惯。
机器视觉 水下图像 卷积神经网络 编码解码框架 计算机视觉 稠密块 激光与光电子学进展
2022, 59(22): 2215004
红外与激光工程
2020, 49(5): 20200015