OceanLens：基于深度学习模型的自适应散射与边缘校正用于提升水下成像效果
图像与视频处理
2024-11-21 v1
摘要
水下环境因水对光的选择性吸收与散射而面临严重挑战，这会影响图像的清晰度、对比度和色彩保真度。为克服这些问题，我们引入OceanLens，该方法构建神经网络模型以模拟水下图像的物理过程——涵盖散射与衰减。我们的模型包含自适应散射与边缘校正损失函数，具体为Sobel损失和LoG损失，用于管理图像方差和亮度，从而实现更清晰、更准确的输出。此外，我们展示了预训练的单目深度估计模型用于生成水下深度图的相关性。我们的评估将多种损失函数与当前最先进方法进行比较，采用SeeThru数据集进行测试，显示出显著的性能提升。具体而言，我们观察到在SeeThru和DeepSeeColor方法下的灰度补丁平均角度误差（GPMAE）平均降低65%，在Underwater Image Quality Metric（UIQM）上提升60%。此外，增加卷积层后，结果进一步提升。该架构在UIEB数据集上得到验证，模型性能采用峰值信噪比（PSNR）和结构相似性指数（SSIM）进行评估。OceanLens通过多层卷积实现了最高可达12-15%的SSIM提升。
引用
@article{arxiv.2411.13230,
title = {OceanLens: An Adaptive Backscatter and Edge Correction using Deep Learning Model for Enhanced Underwater Imaging},
author = {Rajini Makam and Dhatri Shankari T M and Sharanya Patil and Suresh Sundram},
journal= {arXiv preprint arXiv:2411.13230},
year = {2024}
}
备注
Submitted to ICRA 2025