结合主观图像质量评估的深度学习水下图像增强
计算机视觉与模式识别
2025-07-09 v1 图像与视频处理
摘要
深度学习的最新进展，特别是神经网络，已深刻影响了包括水下图像自动增强在内的广泛领域。本文提出了一种基于深度学习的方法，通过将人类主观评估整合到训练过程中来提升水下图像质量。为此，我们利用了公开可用的数据集，其中包含由专家标注为高质量或低质量的水下图像。我们的方法首先训练一个分类器网络来区分高质量和低质量图像。随后，使用各种增强标准训练生成对抗网络（GAN），以优化低质量图像。GAN 模型的性能通过定量指标（如 PSNR、SSIM 和 UIQM）以及定性分析进行评估。结果表明，所提出的模型——特别是在结合了色彩保真度和图像清晰度等标准时——在感知和测量的图像质量上均取得了显著改善。
引用
@article{arxiv.2507.05393,
title = {Enhancing Underwater Images Using Deep Learning with Subjective Image Quality Integration},
author = {Jose M. Montero and Jose-Luis Lisani},
journal= {arXiv preprint arXiv:2507.05393},
year = {2025}
}