使用分析-合成网络的水下单图像增强
计算机视觉与模式识别
2021-08-23 v1 人工智能
摘要
大多数用于水下图像增强的深度模型依赖于基于水下图像形成模型的合成数据集训练。尽管已取得可喜性能，它们仍受限于两个问题：(1)现有水下图像合成模型存在固有局限，其中均匀环境光通常随机生成且忽略许多重要依赖关系，因此合成训练数据无法充分表达真实水下环境特征；(2)大多数深度模型忽视大量有利的水下先验并严重依赖训练数据，极大限制其应用范围。为解决这些局限，首先建立一个新的水下合成数据集，其中嵌入了修正的环境光合成方程。该修正方程明确定义了RGB通道中环境光强度值与水类型、表面-物体深度等许多依赖关系间的复杂数学关系，有助于更好模拟真实水下场景外观。其次，提出一个名为ANA-SYN的统一框架，其可在先验(水下领域知识)与数据信息(水下失真分布)协作下有效增强水下图像。所提框架包括分析网络与合成网络，分别用于先验探索与先验整合。为利用更准先验，在分析网络中探索各先验对输入图像的重要性，并设计自适应加权模块动态重校准它们。同时，在合成网络中引入新颖先验引导模块，有效聚合先验与数据特征，从而提供更优混合信息以执行更合理的图像增强。
引用
@article{arxiv.2108.09023,
title = {Single Underwater Image Enhancement Using an Analysis-Synthesis Network},
author = {Zhengyong Wang and Liquan Shen and Mei Yu and Yufei Lin and Qiuyu Zhu},
journal= {arXiv preprint arXiv:2108.09023},
year = {2021}
}