一种水下图像增强基准数据集及超越
计算机视觉与模式识别
2019-11-27 v2
摘要
由于在水下工程和 aquatic 机器人中的重要意义，水下图像增强一直备受关注。过去几年中已提出众多水下图像增强算法。然而，这些算法主要使用合成数据集或少量选定的真实图像进行评估。因此，这些算法在野外获取的图像上表现如何，以及我们如何衡量该领域的进展，目前尚不清楚。为弥补这一差距，我们首次利用大规模真实世界图像对水下图像增强进行了全面的感知研究与分析。在本文中，我们构建了一个水下图像增强基准（UIEB），包含 950 张真实世界水下图像，其中 890 张具有相应的参考图像。我们将其余 60 张无法获得满意参考图像的水下图像作为挑战性数据。利用该数据集，我们从定性和定量两方面对最先进的水下图像增强算法进行了全面研究。此外，我们提出了一个在该基准上训练的水下图像增强网络（称为 Water-Net）作为基线，这表明所提出的 UIEB 在训练卷积神经网络（CNNs）方面具有泛化能力。基准评估和所提出的 Water-Net 展示了最先进算法的性能与局限，为未来水下图像增强研究提供了启示。数据集与代码可在 https://li-chongyi.github.io/proj_benchmark.html 获取。
引用
@article{arxiv.1901.05495,
title = {An Underwater Image Enhancement Benchmark Dataset and Beyond},
author = {Chongyi Li and Chunle Guo and Wenqi Ren and Runmin Cong and Junhui Hou and Sam Kwong and Dacheng Tao},
journal= {arXiv preprint arXiv:1901.05495},
year = {2019}
}
备注
14 pages