基于U-Net去噪自编码器的水下色彩复原
计算机视觉与模式识别
2020-02-18 v1 人工智能
图像与视频处理
摘要
由遥控潜水器（ROVs）等载具对水下结构进行视觉检测在科学、军事和商业领域发挥着重要作用。然而，水的特性会降低所拍摄视频的质量，从而阻碍利用软件工具自动提取信息。作为水下图像色彩复原的一项贡献，我们提出了水下去噪自编码器（UDAE）模型，该模型采用具有U-Net架构的去噪自编码器。所提出的网络兼顾精度与计算成本，以便通过端到端自编码器网络在水下视觉任务中实现实时处理。通过重建所捕获的帧，水下载具的感知能力得到提升，从而在水下任务中获得更好的性能。相关学习方法使用生成对抗网络（GANs）来生成色彩校正的水下图像，据我们所知，本文是首个采用单一自编码器即可产生相同或更优结果的论文。此外，为训练所提出的网络构建了图像对，而从水下场景中难以获取此类数据集。最后，将所提出的模型与一种最先进（state-of-the-art）的方法进行了比较。
引用
@article{arxiv.1905.09000,
title = {Underwater Color Restoration Using U-Net Denoising Autoencoder},
author = {Yousif Hashisho and Mohamad Albadawi and Tom Krause and Uwe Freiherr von Lukas},
journal= {arXiv preprint arXiv:1905.09000},
year = {2020}
}
备注
6 pages, 8 figures