典型文献
基于多尺度特征提取的水下图像增强模型
文献摘要：
针对水下图像视觉质量退化以及单一卷积层特征利用率不高的问题,提出了一种基于多尺度特征提取的水下图像增强模型.本模型在卷积神经网络的基础上使用改进的多尺度特征提取模块提取水下图像特征,首先构建可分离残差密集块(SRDB)作为基本特征提取单元,使用SRDB模块进行残差密集连接得到多层次特征信息,最后融合3个不同初始感受野下的多层次特征信息作为该模块的输出.多组试验结果显示,本模型增强后的水下图像有效改善了颜色失真和低对比度现象的同时保持了丰富的边缘细节内容;EUVP测试集的PSNR、SSIM分别上升到28.52、0.88,真实河豚图像测试集的UIQM、NIQE分别上升到2.84、5.95,表现均优于对比方法.研究表明,本模型具有较高的FPS,大幅提升水下图像视觉感知质量的同时保持了良好的实时性.
文献关键词：
水下图像增强;多尺度特征;残差连接;感受野;实时性
中图分类号：
作者姓名：
杜守庆;陈明;王俊豪
作者机构：
上海海洋大学信息学院,上海 201306;农业农村部渔业信息重点实验室,上海 201306
文献出处：
引用格式：
[1]杜守庆;陈明;王俊豪-.基于多尺度特征提取的水下图像增强模型)[J].渔业现代化,2022(04):70-79
A类：
SRDB,EUVP
B类：
水下图像增强,增强模型,视觉质量,一卷,卷积层,多尺度特征提取模块,取水,图像特征,可分离,残差密集块,残差密集连接,接得,多层次特征,特征信息,感受野,模型增强,颜色失真,低对比度,边缘细节,测试集,PSNR,SSIM,河豚,图像测试,UIQM,NIQE,比方,FPS,升水,视觉感知,感知质量,残差连接
AB值：
0.311146
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。
