使用生成对抗网络的水下图像增强：综述
图像与视频处理
2025-01-14 v1 计算机视觉与模式识别
摘要
近年来，受克服水下环境挑战的需求驱动，使用生成对抗网络（GANs）进行水下图像增强的研究激增。光衰减、散射和颜色失真等问题严重降低了水下图像的质量，限制了它们在关键应用中的使用。生成对抗网络（GANs）因其能够学习复杂变换并生成逼真输出，已成为增强水下照片的强大工具。这些进展已应用于实际场景，包括海洋生物学与生态系统监测、珊瑚礁健康评估、水下考古以及自主水下航行器（AUV）导航。本文探讨了水下图像增强的所有主要方法，从物理模型和无物理模型到基于卷积神经网络（CNN）的模型以及最先进的基于GAN的方法。本文对这些方法、评估指标、数据集和损失函数进行了全面分析，提供了该领域的整体视图。此外，本文深入探讨了当前方法面临的局限性和挑战，如泛化问题、高计算需求和数据集偏差，同时提出了未来研究的潜在方向。
引用
@article{arxiv.2501.06273,
title = {Underwater Image Enhancement using Generative Adversarial Networks: A Survey},
author = {Kancharagunta Kishan Babu and Ashreen Tabassum and Bommakanti Navaneeth and Tenneti Jahnavi and Yenka Akshaya},
journal= {arXiv preprint arXiv:2501.06273},
year = {2025}
}
备注
15 pages, 7 figures, 2 tables