一种基于物理知识引导动态模型的水下图像增强通用方法
计算机视觉与模式识别
2023-08-11 v1 图像与视频处理
摘要
由于水对光的散射和吸收,水下图像常出现色彩失真与低对比度,导致多种图像类型,且难以通过通用模型获取高质量的成对训练样本。为应对这些挑战,我们设计了一种基于物理知识引导动态模型的通用水下图像增强方法(简称GUPDM),由三部分组成:基于大气的动态结构(ADS)、透射引导的动态结构(TDS)和基于先验的多尺度结构(PMS)。特别地,为覆盖复杂水下场景,本研究通过成像模型改变全局大气光与透射率,以模拟各类水下图像类型(例如颜色从黄到蓝的水下图像)。随后我们设计ADS和TDS,利用动态卷积自适应提取水下图像的先验信息并为PMS生成参数。这两个模块使网络能针对不同水体类型自适应选取合适参数。此外,PMS中的多尺度特征提取模块使用不同核大小的卷积块,并通过通道注意力块获得各特征图权重并融合,以扩大网络感受野。源代码将发布于 \href{https://github.com/shiningZZ/GUPDM}{https://github.com/shiningZZ/GUPDM}。
引用
@article{arxiv.2308.05447,
title = {A Generalized Physical-knowledge-guided Dynamic Model for Underwater Image Enhancement},
author = {Pan Mu and Hanning Xu and Zheyuan Liu and Zheng Wang and Sixian Chan and Cong Bai},
journal= {arXiv preprint arXiv:2308.05447},
year = {2023}
}
备注
Accepted by ACMMM 2023