基于改进CycleGAN的多失真类型水下图像增强

• 全文链接
• 请求原文

作   者：

吕振鸣;  董绍江;  夏宗佑;  牟小燕;  王明权; 

关键词：

多维感知判别器;  多种失真;  图像增强;  全局色彩校正结构;  CycleGAN; 

期刊名称：

浙江大学学报(工学版)

i s s n：

1008-973X

年卷期：

2025 年 59 卷 006 期

页   码：

1148-1158

摘   要：

针对由散射、吸收和色偏等多种因素导致的水下图像模糊、对比度低、图像失真辨识困难的问题,提出基于改进CycleGAN的多失真类型水下图像增强算法.为了提高图像增强效果,在CycleGAN的生成器中采用Auto-Encoder+Skip-connection的网络结构,添加全局色彩校正结构,从像素方面以及颜色方面进行全局增强,从而更好地捕捉水下图像中的色彩信息.设计多维感知判别器来学习图像的全局特征和局部特征,此设计更加注重图像局部细节部分,有效针对散斑和色彩噪声,从多维空间上感知图像,提取特征能力更强,从而能提高图像判别的精度.在EUVP、UIEB和U45 数据集上的实验结果表明,所提出的方法取得了较好的结果,相较其他算法,在处理多种水下失真类型的图像方面,该算法的SSIM指标平均比第 2 名高出 1.57%、PSNR指标高出 1.836%、UIQM指标高出 1.324%、UCIQE指标高出 1.086%,在处理颜色和噪声细节方面表现出色.