典型文献
基于稠密级联卷积神经网络的水下图像增强
文献摘要：
为了解决水下退化图像出现的色彩偏差等问题,提出一种基于稠密级联卷积神经网络的水下图像增强算法.首先将退化的水下图像从传统的红、绿、蓝(RGB)颜色空间转换到色调、饱和度、亮度(HSV)颜色空间,保持色调分量和亮度分量不变,利用级联卷积神经网络对饱和度分量增强.然后在特征提取网络编解码过程中引入了新的稠密块.稠密块将残差连接、跳跃连接和多尺度卷积结合起来,纠正颜色失真.纹理细化网络是利用了 6个纹理细化单元对所得到的细化图像进一步提取特征信息.最后将通过级联卷积神经网络进行提取的S通道图与H、V通道图进行合并,得到增强的水下图像.实验结果表明,提出算法增强的水下图像的水下彩色图像质量评价平均可达到0.616875,水下图像质量测量平均可达到5.197000.对比算法表明,提出的水下图像增强算法不仅增强效果良好,且增强的结果更符合人类视觉习惯.
文献关键词：
机器视觉;水下图像;卷积神经网络;编码解码框架;计算机视觉;稠密块
中图分类号：
作者姓名：
陈清江;解亚丽
作者机构：
西安建筑科技大学理学院,陕西西安710055
文献出处：
引用格式：
[1]陈清江;解亚丽-.基于稠密级联卷积神经网络的水下图像增强)[J].激光与光电子学进展,2022(22):227-236
A类：
编码解码框架
B类：
密级,级联卷积神经网络,水下图像增强,退化图像,图像增强算法,RGB,颜色空间转换,换到,色调,HSV,亮度分量,特征提取网络,编解码,稠密块,残差连接,跳跃连接,多尺度卷积,颜色失真,提取特征,特征信息,行合并,彩色图像质量评价,质量测量,对比算法,增强效果,人类视觉,机器视觉,计算机视觉
AB值：
0.239324
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。
