结合深度学习与物理先验的感知水下图像增强
计算机视觉与模式识别
2020-09-29 v2
摘要
水下图像增强作为提高后续目标检测任务精度的预处理步骤，在水下导航与海洋探索领域引起了相当关注。然而，现有多数水下图像增强策略倾向于将增强与检测视为两个无交互的独立模块，且分离优化的做法并不总有助于水下目标检测任务。本文提出两种感知增强模型，每种均使用带有检测感知器的深度增强模型。检测感知器以梯度形式向增强模型提供连贯信息，引导增强模型生成块级视觉愉悦图像或利于检测的图像。此外，由于训练数据缺乏，提出一种融合物理先验与数据驱动线索的混合水下图像合成模型，以合成训练数据并使我们的增强模型泛化至真实世界水下图像。实验结果表明，在真实与合成水下数据集上，我们所提方法优于几种最先进的方法。
引用
@article{arxiv.2008.09697,
title = {Perceptual underwater image enhancement with deep learning and physical priors},
author = {Long Chen and Zheheng Jiang and Lei Tong and Zhihua Liu and Aite Zhao and Qianni Zhang and Junyu Dong and Huiyu Zhou},
journal= {arXiv preprint arXiv:2008.09697},
year = {2020}
}