基于深度学习的水下图像增强综述

水下图像增强是计算机视觉研究中的一个重大挑战。尽管已经开发了许多水下图像增强算法，但仍然缺乏全面系统的综述。为了促进未来的发展，我们从几个角度提供了水下图像增强任务的详细概述。首先，我们介绍了物理模型、数据构建过程、评估指标和损失函数。其次，我们根据算法的贡献对其进行分类和讨论，考虑了六个方面：网络架构、学习策略、学习阶段、辅助任务、领域视角和解缠融合。第三，由于现有文献中的实验设置各不相同，目前无法进行全面且无偏的比较。为了解决这个问题，我们在多个基准数据集上对最先进的算法进行了定量和定性评估。最后，我们指出了水下图像增强未来研究的关键领域。水下图像增强的资源集合可在 {https://github.com/YuZhao1999/UIE} 找到。