典型文献
基于视觉Transformer的多损失融合水下图像增强网络
文献摘要：
由于水中存在光的吸收和散射现象,水下机器人拍摄到的图像存在颜色失真和对比度降低的问题.针对水下图像存在的质量退化现象,提出了一种基于视觉Transformer的多损失融合的方式训练水下图像增强网络.图像增强网络采用编码与解码的结构,可以采用端到端的方式进行训练.将多损失的线性组合作为总体优化目标,有效地更新水下图像增强网络的参数,包括像素损失、结构损失、边缘损失和特征损失.在两个大型水下数据集上进行了量化实验,并与7种水下图像增强算法进行对比.以峰值信噪比和结构相似性为有参考评估指标,以水下评估指标为无参考评估指标进行实验.实验结果表明,提出的水下图像增强网络能够有效地解决图像的颜色失真与对比度降低问题.
文献关键词：
水下图像;质量增强;视觉Transformer;神经网络
中图分类号：
作者姓名：
丛晓峰;桂杰;章军
作者机构：
东南大学网络空间安全学院,江苏南京 210000;安徽大学人工智能学院,安徽合肥 230000
文献出处：
引用格式：
[1]丛晓峰;桂杰;章军-.基于视觉Transformer的多损失融合水下图像增强网络)[J].智能科学与技术学报,2022(04):522-532
A类：
B类：
Transformer,多损失融合,水下图像增强,水下机器人,颜色失真,对比度,退化现象,编码与解码,端到端,线性组合,优化目标,像素,结构损失,特征损失,水下数据集,化实验,图像增强算法,峰值信噪比,结构相似性,无参考,质量增强
AB值：
0.293929
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。
