IDA-UIE：基于深度网络的分解感知 underwater 图像增强迭代框架
计算机视觉与模式识别
2024-06-28 v1 图像与视频处理
摘要
水下图像质量受荧光、低照明、吸收和散射的影响。近期的水下图像增强研究提出了不同的深度网络架构来处理这些问题。大多数工作提出单一网络来处理所有挑战。我们认为，针对特定条件训练的深度网络性能优于从所有退化情况中学习的单一网络。因此，本工作的第一贡献在于提出一种迭代框架，其中识别并解决单一主导退化条件。这一提案考虑以下八种退化条件——低照明、低对比度、雾霾、模糊图像、噪声存在以及三种颜色失衡。设计了一个深度网络来识别主导退化条件。随后选择适当的深度网络进行针对性增强。本工作的第二贡献是从两个标准数据集（UIEB和EUVP）的高质量图像中构建退化条件特定数据集。该数据集用于学习特定条件的增强网络。所提出的方法在UIEB和EUVP数据集上超过九个基线方法。
引用
@article{arxiv.2406.18628,
title = {IDA-UIE: An Iterative Framework for Deep Network-based Degradation Aware Underwater Image Enhancement},
author = {Pranjali Singh and Prithwijit Guha},
journal= {arXiv preprint arXiv:2406.18628},
year = {2024}
}