典型文献
基于生成式对抗网络和多级小波包卷积网络的水下图像增强算法
文献摘要：
为了解决水下图像的雾模糊和偏色问题,针对水下图像成像模型提出基于生成式对抗网络(GAN)和改进卷积神经网络(CNN)的水下图像增强算法.利用生成式对抗网络合成水下图像,以对配对式水下图像数据集进行有效扩充.利用多级小波变换,以不丢失特征分辨率的方式对水下图像进行多尺度分解,然后结合卷积神经网络利用紧凑式学习方式对多尺度图像进行特征提取,并利用跳跃连接以防止梯度弥散,克服水下图像的雾模糊效应.利用风格代价函数学习彩色图像各通道间的相关性,提高模型的色彩校正能力,克服水下图像色彩失真的问题.实验结果表明,相较对比算法,在主观视觉和客观指标上,本研究所提算法拥有更优秀的综合性能及鲁棒性.
文献关键词：
图像处理;水下图像增强;多级小波变换;卷积神经网络;生成式对抗网络
中图分类号：
作者姓名：
温佩芝;陈君谋;肖雁南;温雅媛;黄文明
作者机构：
桂林电子科技大学 计算机与信息安全学院,广西 桂林 541004;广西师范大学 电子工程学院,广西 桂林 541004
文献出处：
引用格式：
[1]温佩芝;陈君谋;肖雁南;温雅媛;黄文明-.基于生成式对抗网络和多级小波包卷积网络的水下图像增强算法)[J].浙江大学学报（工学版）,2022(02):213-224
A类：
B类：
生成式对抗网络,小波包,包卷,卷积网络,水下图像增强,图像增强算法,偏色,图像成像,成像模型,GAN,改进卷积神经网络,网络合成,图像数据集,多级小波变换,多尺度分解,紧凑式,学习方式,跳跃连接,梯度弥散,代价函数,函数学习,彩色图像,色彩校正,校正能力,图像色彩,色彩失真,对比算法,客观指标
AB值：
0.285137
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
