基于物理模型反馈的领域自适应对抗学习用于水下图像增强
计算机视觉与模式识别
2020-02-24 v1
摘要
由于水中悬浮颗粒对光的折射、吸收和散射，原始水下图像存在对比度低、细节模糊和颜色失真的问题。这些特性会严重干扰水下图像的可见性以及分割、跟踪等视觉任务的结果。为解决该问题，我们提出了一种基于物理模型反馈控制与领域自适应机制的新颖鲁棒对抗学习框架，用于增强水下图像以获得逼真结果。提出了一种利用水下图像成像模型从 RGB-D 数据模拟类水下训练数据集的新方法。在该合成数据集上，训练了一个引入领域自适应机制及物理模型约束反馈控制的新型增强框架，以增强水下场景。在合成与真实水下图像上的最终增强结果证明了所提方法的优越性，在定性与定量评价中均优于非深度与深度学习方法。此外，我们进行了消融实验以展示所提各组件的贡献。
引用
@article{arxiv.2002.09315,
title = {Domain Adaptive Adversarial Learning Based on Physics Model Feedback for Underwater Image Enhancement},
author = {Yuan Zhou and Kangming Yan},
journal= {arXiv preprint arXiv:2002.09315},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1808.00605, arXiv:1807.03528 by other authors