典型文献
基于通道特征融合的水下图像轻量增强网络
文献摘要：
针对水下探测机器人在视觉感知过程中由于图像退化容易造成辨识困难的问题,提出基于通道特征融合的水下图像轻量化增强网络.通过构建基于通道注意力模块的随机残差结构,并设计通道混洗模块,实现原图像与图像各层特征的细节融合;采用基于倒残差卷积的通道评分模块,通过通道之间的回归分离,提升网络对图像的增强效果;最后,网络以水下图像在颜色、局部特性等方向的增强为目标,设计包括高斯均方损失、结构性相似损失与感知损失等在内的网络损失函数,完成图像增强训练.通过对真实水下环境数据进行实验验证,算法在水下颜色色偏有更好的适应性,增强效果在细节保留上处理更优,模型参数更少,推理速度更快,更适合小型水下探测机器人的应用部署.
文献关键词：
水下图像增强;轻量网络;通道特征融合;多损失函数;颜色通道评分
中图分类号：
作者姓名：
杨羽翼;陈亮;张剑;郭慧慧
作者机构：
湖南科技大学信息与电气工程学院,湖南湘潭411201
文献出处：
引用格式：
[1]杨羽翼;陈亮;张剑;郭慧慧-.基于通道特征融合的水下图像轻量增强网络)[J].探测与控制学报,2022(06):102-110
A类：
颜色通道评分
B类：
通道特征融合,水下探测,视觉感知,知过,通道注意力模块,残差结构,通道混洗,原图,倒残差,残差卷积,增强效果,局部特性,感知损失,络损,成图,水下环境,环境数据,色偏,细节保留,推理速度,应用部署,水下图像增强,轻量网络,多损失函数
AB值：
0.327543
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。
