深度水下图像增强

在水下场景中，波长相关的光吸收与散射会降低图像可见度，导致低对比度和失真色偏。为解决此问题，我们提出了一种基于卷积神经网络的图像增强模型，即 UWCNN，其利用合成水下图像数据库进行高效训练。与现有需要估计水下成像模型参数或仅适用于特定场景的僵化框架的工作不同，我们的模型通过自动端到端和数据驱动的训练机制直接重建清晰的水下潜在图像。依据水下成像模型和水下场景的光学特性，我们首先合成十个不同的海洋图像数据库。然后，针对每种水下图像形成类型分别训练多个 UWCNN 模型。在真实与合成水下图像上的实验结果表明，所提方法在不同水下场景中泛化良好，并在定性与定量上均优于现有方法。此外，我们进行了消融实验以展示网络中各组件的作用。