UIEC^2-Net：基于 CNN 利用双色彩空间的水下图像增强
计算机视觉与模式识别
2021-04-14 v2
摘要
近年来由于海洋资源开发的兴起，水下图像增强备受关注。得益于卷积神经网络（CNNs）强大的表征能力，过去几年中已提出多种基于 CNN 的水下图像增强算法。然而，几乎所有这些算法都采用 RGB 色彩空间设置，其对亮度与饱和度等图像属性不敏感。为解决该问题，我们提出了利用双色彩空间的水下图像增强卷积神经网络（UIEC^2-Net），其在单一 CNN 中高效且有效地融合了 RGB 色彩空间与 HSV 色彩空间。据我们所知，该方法是首个基于深度学习使用 HSV 色彩空间进行水下图像增强的方法。UIEC^2-Net 是一个端到端可训练网络，由如下三个模块组成：RGB 像素级模块实现去噪与去色偏等基础操作，HSV 全局调整模块通过采用一种新颖的神经曲线层全局调整水下图像亮度、颜色与饱和度，以及注意力图模块通过为每个像素分配权重结合 RGB 与 HSV 模块输出图像的优势。在合成与真实世界水下图像上的实验结果表明，我们所提方法在主观比较与客观指标上均表现良好。代码可在 https://github.com/BIGWangYuDong/UWEnhancement 获取。
引用
@article{arxiv.2103.07138,
title = {UIEC^2-Net: CNN-based Underwater Image Enhancement Using Two Color Space},
author = {Yudong Wang and Jichang Guo and Huan Gao and Huihui Yue},
journal= {arXiv preprint arXiv:2103.07138},
year = {2021}
}
备注
11 pages, 11 figures