DGNet：用于水相关光学图像增强的动态梯度引导网络
计算机视觉与模式识别
2024-02-09 v3
摘要
由于水下环境造成的复杂退化，水下图像增强（UIE）是一项具有挑战性的任务。为了解决这一问题，以往的方法通常将退化过程理想化，忽略了介质噪声和物体运动对图像特征分布的影响，从而限制了模型的泛化能力和适应性。以往的方法使用由原始图像和合成真值图像构建的参考梯度。这可能导致网络性能受到某些低质量训练数据的影响。我们的方法利用预测图像动态更新伪标签，添加动态梯度以优化网络的梯度空间。该过程提高了图像质量并避免了局部最优。此外，我们提出了一种基于通道组合推理（CCI）策略的特征恢复与重建模块（FRR）和频域平滑模块（FRS）。这些模块在减少各类噪声对网络性能影响的同时，解耦了其他退化特征。在多个公开数据集上的实验证明了我们的方法优于现有的最先进方法，尤其是在性能里程碑上：在UIEB数据集上PSNR达到25.6dB，SSIM达到0.93。其在参数量和推理时间方面的效率进一步证明了其广泛的实用性。代码将公开发布。
引用
@article{arxiv.2312.06999,
title = {DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement},
author = {Jingchun Zhou and Zongxin He and Qiuping Jiang and Kui Jiang and Xianping Fu and Xuelong Li},
journal= {arXiv preprint arXiv:2312.06999},
year = {2024}
}