用于水下图像增强与深度估计的物理模型引导框架
计算机视觉与模式识别
2025-08-04 v2
摘要
由于不同水介质对光的选择性吸收和散射，水下图像通常面临各种视觉退化。将水下物理成像模型与神经网络结合的现有水下图像增强（UIE）方法往往无法准确估计深度和遮蔽光等成像模型参数，导致在某些场景下性能不佳。为了解决这个问题，我们提出了一个物理模型引导框架，用于联合训练深度退化模型（DDM）与任意先进的 UIE 模型。DDM 包含三个精心设计的子网络以准确估计各种成像参数：遮蔽光估计子网络、因子估计子网络和深度估计子网络。基于估计的参数和水下物理成像模型，我们通过建模水下图像与目标清晰图像（即 UIE 模型的输出）之间的关系，对增强过程施加物理约束。此外，虽然我们的框架兼容任何 UIE 模型，但我们设计了一个简单而有效的全卷积 UIE 模型，称为 UIEConv。UIEConv 通过双分支结构利用全局和局部特征进行图像增强。在我们的框架内训练的 UIEConv 在各种水下场景中取得了显著的增强结果。此外，作为 UIE 的副产品，训练好的深度估计子网络能够实现准确的水下场景深度估计。在各种真实水下成像场景（包括带有 artificial light sources 的深海环境）中进行的广泛实验验证了我们的框架和 UIEConv 模型的有效性。
引用
@article{arxiv.2407.04230,
title = {A Physical Model-Guided Framework for Underwater Image Enhancement and Depth Estimation},
author = {Dazhao Du and Lingyu Si and Fanjiang Xu and Jianwei Niu and Fuchun Sun},
journal= {arXiv preprint arXiv:2407.04230},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication