面向水下视觉增强的视觉质量驱动学习
计算机视觉与模式识别
2018-09-14 v1 机器学习
摘要
图像处理界在图像增强与复原方面取得了显著进展。然而，恢复水下图像的视觉质量仍是一项巨大挑战。端到端框架可能难以增强水下图像的视觉质量，因为在若干场景下无法提供场景辐射的地面真值。在这项工作中，我们提出了一种基于CNN的方法，它不需要地面真值数据，而是使用一组图像质量度量来引导复原学习过程。实验表明，我们的方法在保留边缘的同时改善了水下图像的视觉质量，并且在 UCIQE 度量下也表现良好。
引用
@article{arxiv.1809.04624,
title = {Visual-Quality-Driven Learning for Underwater Vision Enhancement},
author = {Walysson Vital Barbosa and Henrique Grandinetti Barbosa Amaral and Thiago Lages Rocha and Erickson Rangel Nascimento},
journal= {arXiv preprint arXiv:1809.04624},
year = {2018}
}
备注
Accepted for publication and presented in 2018 IEEE International Conference on Image Processing (ICIP)