Apr, 2021

基于介质传输指导的多色彩空间嵌入的水下图像增强

PDF
TL;DR通过改善颜色偏色和低对比度问题，我们提出了一种水下图像增强网络 Ucolor，采用介质透射引导的多彩色空间嵌入。采用多彩色空间编码器网络和注意机制的结合，然后使用物理模型和学习方法等来有效提高水下图像的视觉质量，在视觉和定量指标上均优于现有最先进方法。
underwater imagesimage enhancementmulti-color space embeddingattention mechanismphysical model-based methods
发现论文，激发创造
  • 水下图像增强的传输和颜色引导网络

    最近几年随着海洋产业的不断发展，水下图像增强引起了广泛关注。为了解决颜色偏差和低对比度的问题，我们提出了一种自适应透射和动态颜色引导网络（命名为 ATDCnet）用于水下图像增强。

    Aug, 2023

  • 水下图像弱监督颜色转换的色彩校正

    本文提出了一种弱监督颜色转移方法来处理水下图像的颜色失真问题。通过采用 Cycle-Consistent Adversarial Networks 以及多项损失函数的设计，使得矫正后的水下图像在内容和结构上与输入相同，但是看起来就像没有水下环境拍摄的图像。实验证明，该方法不仅可以显著改善水下图像的视觉效果，还能提高视觉任务的性能。

    Oct, 2017

  • UW-ProCCaps: 水下渐进式且带囊的着色

    本文提出了一种用于水下图像的机器学习模型，可以从发光通道重建图像的颜色，从而减少图像存储所需的内存空间，同时在四个基准数据集上验证了该模型的有效性。

    Jul, 2023

  • FDCE-Net：嵌入频域和双色编码的水下图像增强

    我们提出了一种嵌入频域和双色编码器网络（FDCE-Net），通过利用频率空间残差块（FSRB）将水下图像的降解因素在频域中解耦并分别增强不同属性，同时引入双色编码器（DCE）以解决颜色偏移问题，并通过融合网络结合 FS-Net 和 DCE 的输出生成细节丰富、纹理清晰、噪声低和自然色彩的最终增强图像。

    Apr, 2024

  • 水下可变焦深度引导感知网络用于水下图像增强

    通过将深度先验注入到深度水下图像增强模型中，本论文提出了一种名为水下可变变焦（UVZ）的新型深度引导感知水下图像增强框架，该方法在不同区域实现了局部和非局部感知，并在多个基准数据集上取得了卓越的视觉增益和有希望的定量指标，特别是在异常光照条件下表现良好。

    Apr, 2024

  • 基于波长属性的深度神经网络用于水下图像修复

    本文提出了一种用于水下图像恢复的深度神经网络模型 Deep WaveNet，采用多重上下文特征和注意力跳过机制，有效地解决了水下环境中波长不对称性引起的色彩失真问题。文中实验证明，该模型在多个高级视觉任务方面表现优于已有模型，并且开源代码。

    Jun, 2021

  • UWFormer：一种基于半监督多尺度 Transformer 的水下图像增强方法

    该研究通过使用多尺度转换网络和半监督学习，提出了一种用于增强多频率图像的方法，通过非线性频率感知注意机制和多尺度融合前馈网络进行低频增强。此外，还引入了一种专门的水下半监督训练策略，提出了一个水下感知损失函数以生成可靠的伪标签，实验证明该方法在数量和视觉质量方面优于现有的水下图像增强方法。

    Oct, 2023

  • 一种基于物理知识引导的水下图像增强的泛化动态模型

    通过物理知识引导的动态模型，通过对海洋影像的大气、透射和先验进行动态卷积、自适应参数提取和多尺度特征提取，实现对水下图像的普遍增强。

    Aug, 2023

  • MLFcGAN: 基于多层特征融合的条件生成式对抗网络用于水下图像色彩校正

    研究提出一种基于条件生成对抗网络的深度多尺度特征融合网络，其适用于水下图像色彩校正，并经过实验证明其在色彩校正和细节保留方面表现更佳。

    Feb, 2020

  • WaterGAN：无监督生成网络以实现单目水下图像的实时颜色校正

    本文介绍了一种利用 WaterGAN 的生成对抗网络对单眼水下图像进行颜色校正的方法，WaterGAN 通过生成真实的水下图像来构建大规模的有标注数据集，内置的 end-to-end 网络可以通过对水下图像的处理后隐式地学习场景的粗略深度估计，同时在清水箱和实际场景测试中表现出色。

    Feb, 2017