基于 VGG19 和 ResNet50 的 underwater 图像增强：深度学习方法的比较研究

Aoqi Li; Yanghui Song; Jichao Dao; Chengfu Yang

基于 VGG19 和 ResNet50 的 underwater 图像增强：深度学习方法的比较研究

计算机视觉与模式识别 2025-08-27 v2 图像与视频处理

作者: Aoqi Li , Yanghui Song , Jichao Dao , Chengfu Yang

摘要

本文解决了在复杂水下场景中进行图像增强的挑战性问题，提出了一种基于深度学习的解决方案。该方法巧妙地集成了两个深度卷积神经网络模型 VGG19 和 ResNet50，利用其强大的特征提取能力，对水下图像进行多尺度和多层次的深度特征分析。通过构建统一模型，有效集成了两个模型的互补优势，实现了更全面和准确的图像增强效果。为客观评估增强效果，本文引入了如 PSNR、UCIQE 和 UIQM 等图像质量评估指标，对增强前后图像进行量化比较，并深入分析了不同模型在不同场景下的性能。此外，为提高水下视觉增强系统的实用性和稳�定性，本文还从模型优化、多模型融合和硬件选型等方面提供了实用建议，旨�为复杂水下环境中的视觉增强任务提供强大的技术支持。

关键词

图像增强深度学习 VGG19 ResNet50 水下成像

引用

@article{arxiv.2508.17397,
  title  = {Enhancing Underwater Images via Deep Learning: A Comparative Study of VGG19 and ResNet50-Based Approaches},
  author = {Aoqi Li and Yanghui Song and Jichao Dao and Chengfu Yang},
  journal= {arXiv preprint arXiv:2508.17397},
  year   = {2025}
}

备注

7 pages, 6 figures,2025 IEEE 3rd International Conference on Image Processing and Computer Applications (ICIPCA 2025)

基于 VGG19 和 ResNet50 的 underwater 图像增强：深度学习方法的比较研究

摘要

关键词

引用

备注

相关论文