基于无监督扩散模型的 underwater 图像亮度增强

水下环境的活动在多个场景中至关重要，这驱动了水下图像增强技术的持续发展。该领域的主要挑战之一是图像捕获的深度，随着深度的增加，环境变得越来越暗。大多数现有方法 for water下图像增强 focus on 降噪和颜色调整，鲜有工作 dedicated to 亮度增强。本工作引入了一种基于扩散模型的无监督学习方法用于水下图像增强。我们的方法称为 UDBE，基于条件扩散以 maintain 输入图像的亮度细节。输入图像与 color map 和信噪比图 (SNR) 组合，以 ensure 稳定训练和 prevent 输出图像中的颜色失真。结果表明，我们的方法在 UIEB、SUIM 和 RUIE 等 well-established water下图像基准数据集中实现了惊人的准确率。此外，实验验证了该方法在 PSNR、SSIM、UIQM 和 UISM 等图像质量指标方面的鲁棒性，表明了亮度增强过程的良好性能。该源代码已发布：https://github.com/gusanagy/UDBE。