基于颜色代码分解、适应与插值的数字下水 organism 色彩增强
计算机视觉与模式识别
2024-10-01 v1
摘要
underwater 图像常因吸收与散射效应导致质量下降。现有大多数 underwater 图像增强算法仅生成单一固定色彩的图像，限制了用户的灵活性和实际应用。为此，我们提出一种称为 ColorCode 的方法，既能增强 underwater 图像，又能提供可控的多样化色彩输出。我们的方法通过监督训练将 underwater 图像恢复至参考增强图像，再通过自重建和交叉重建将其分解为颜色代码与内容代码。颜色代码被显式约束为服从高斯分布，从而在推理阶段实现高效抽样与插值。ColorCode 提供了三项关键功能：1）颜色增强，生成具有固定色彩的增强图像；2）颜色适应，利用导向图像实现对长波长色彩成分的可控调整；3）颜色插值，通过连续抽样颜色代码实现多种色彩的平滑生成。在流行且具挑战性的基准数据集上进行的定量与视觉评估表明，ColorCode 在提供多样化、可控且色彩逼真的增强结果方面优于现有方法。源代码已公开于 https://github.com/Xiaofeng-life/ColorCode。
引用
@article{arxiv.2409.19685,
title = {Underwater Organism Color Enhancement via Color Code Decomposition, Adaptation and Interpolation},
author = {Xiaofeng Cong and Jing Zhang and Yeying Jin and Junming Hou and Yu Zhao and Jie Gui and James Tin-Yau Kwok and Yuan Yan Tang},
journal= {arXiv preprint arXiv:2409.19685},
year = {2024}
}