10.3969/j.issn.1009-0134.2023.02.013
基于卷积神经网络的水下图像增强技术研究
清晰的图像对于海洋工程和海洋研究有至关重要的作用,而在水体环境下,受到光照不均匀以及光的吸收和散射等因素的影响,水下图像的质量会降低.提出基于卷积神经网络的水下图像增强算法,采用模块化结构建立网络模型.该模型由四个BLOCK模块组成,每个BLOCK模块包含三个卷积层和1个Concat层.并采用水下图像合成的方法及水下数据集对网络模型结构进行训练,利用水下图像数据集和鱼类数据集进行模型验证.结果表明,提出的模块化网络结构具有良好的图像增强效果;经过颜色空间转化做归一化处理,使得图像增强对比度和亮度具有更好的对比性.
卷积神经网络、图像增强、网络模块化
45
TP391.41(计算技术、计算机技术)
上海市科学技术委员会资助项目19DZ2254800
2023-03-06（万方平台首次上网日期，不代表论文的发表时间）
共5页
65-68,92
