典型文献
基于UNDERWATER-CUT模型的水下图像增强算法
文献摘要：
针对水下图像的颜色失真和对比度失衡问题,提出了一种基于UNDERWATER-CUT模型的弱监督水下图像增强算法.该算法网络训练时无需成对训练集,通过图像分块的方式构建对比学习正负样本,约束了图像生成的内容.使用了结构相似性损失函数对水下图像增强进行约束,确保CUT模型在对水下图像域到脱水图像域进行转换过程中的物体结构不变.同时还使用alignment和uniformity 2个简单函数的线性组合来近似逼近CUT模型的InfoNCE损失函数,使得改进后的模型训练更容易收敛到最优值.实验结果证明经过文中算法增强后的图像,颜色失真得到极大的修正,图像中的物体结构和修复前的图像基本一致.
文献关键词：
水下图像增强;结构相似性;InfoNCE损失函数
中图分类号：
作者姓名：
姚鹏;刘玉会
作者机构：
中国海洋大学工程学院,山东青岛, 266100
文献出处：
引用格式：
[1]姚鹏;刘玉会-.基于UNDERWATER-CUT模型的水下图像增强算法)[J].水下无人系统学报,2022(05):605-611
A类：
UNDERWATER,InfoNCE
B类：
CUT,水下图像增强,图像增强算法,颜色失真,对比度,失衡问题,弱监督,法网,网络训练,训练集,图像分块,对比学习,正负样本,图像生成,结构相似性,损失函数,行约,图像域,转换过程,alignment,uniformity,线性组合,近似逼近,模型训练,最优值,明经,真得
AB值：
0.302255
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。
