通过先验引导混合感知方法进行水下图像恢复及广泛的基准分析
计算机视觉与模式识别
2025-01-07 v1
摘要
水下成像面临着光与水相互作用的挑战，导致颜色失真和清晰度降低。为了应对这些挑战，我们提出了一种新颖的彩色平衡先验引导混合感知水下图像恢复框架（GuidedHybSensUIR）。该框架在多个尺度上运行，采用提出的 Detail Restorer 模块在更精细的尺度上恢复低层细节特征，并利用提出的 Feature Contextualizer 模块在更广的尺度上捕获高层通用特征的长程上下文关系。这些不同尺度感知结果的混合有效解决了色偏问题并恢复了模糊细节。为了有效指出模型的演化方向，我们提出了一种新颖的彩色平衡先验，作为特征上下文化步骤中的强引导，以及最终解码阶段的弱引导。我们使用来自三个真实世界水下数据集的成对训练数据构建了一个综合基准，并在六个测试集上进行评估，包括来自四个真实世界水下数据集的三个成对测试集和三个非成对测试集。随后，我们在此基准上测试了 14 种传统方法并重新训练了 23 种现有的深度学习水下图像恢复方法，获得了每种方法的指标结果。这项工作旨在为比较的标准基础提供有价值的基准数据集。大量实验结果表明，尽管在某些个别情况下未取得最佳结果，但我们的方法在各种基准数据集和指标上总体优于其他 37 种 SOTA 方法。代码和数据集可在 \href{https://github.com/CXH-Research/GuidedHybSensUIR}{https://github.com/CXH-Research/GuidedHybSensUIR} 获取。
引用
@article{arxiv.2501.02701,
title = {Underwater Image Restoration Through a Prior Guided Hybrid Sense Approach and Extensive Benchmark Analysis},
author = {Xiaojiao Guo and Xuhang Chen and Shuqiang Wang and Chi-Man Pun},
journal= {arXiv preprint arXiv:2501.02701},
year = {2025}
}
备注
Accepted by IEEE TCSVT