典型文献
基于多尺度级联网络的水下图像增强方法
文献摘要：
针对水下图像由于光吸收、后向散射等因素导致的严重色偏、细节丢失等问题,该文提出一种基于多尺度级联网络的水下图像增强方法.针对单一网络特征利用不全面导致的图像梯度消失问题,该方法通过级联多尺度原始图像与相应的特征图像,以获得更优异的细节保持效果,并实现从较浅层到较深层快速预测残差的能力.此外,引入联合密集网络块和递归块,通过特征重用有效解决多尺度网络参数过多的问题.为有效解决单一损失造成的图像细节恢复不均的问题,提出Charbonnier和结构相似度(SSIM)联合损失函数.经仿真实验分析,所提网络在处理水下图像严重色偏、细节丢失等方面都取得了显著的效果.
文献关键词：
水下图像增强;多尺度级联网络;多尺度特征提取;梯度消失
中图分类号：
作者姓名：
米泽田;晋洁;李圆圆;丁雪妍;梁政;付先平
作者机构：
大连海事大学信息科学技术学院 大连 116026;安徽大学互联网学院 合肥 230039;鹏城实验室 深圳 518000
文献出处：
引用格式：
[1]米泽田;晋洁;李圆圆;丁雪妍;梁政;付先平-.基于多尺度级联网络的水下图像增强方法)[J].电子与信息学报,2022(10):3353-3362
A类：
多尺度级联网络,Charbonnier
B类：
水下图像增强,增强方法,光吸收,后向散射,色偏,网络特征,图像梯度,梯度消失,原始图像,特征图像,细节保持,持效,较浅,快速预测,预测残差,密集网络,递归,特征重用,多尺度网络,网络参数,结构相似度,SSIM,联合损失函数,处理水,多尺度特征提取
AB值：
0.299646
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。
