利用生成对抗网络实现水下图像增强

作     者：李钰 杨道勇 刘玲亚 王易因 LI Yu;YANG Daoyong;LIU Lingya;WANG Yiyin

作者机构：上海交通大学电子信息与电气工程学院上海200240 

出 版 物：《上海交通大学学报》 (Journal of Shanghai Jiaotong University)

年 卷 期：2022年第56卷第2期

页      面：134-142页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(61633017,61773264,61801295) 上海交通大学“深蓝计划”(SL2020MS011,SL2020MS015)资助项目 

主　　题：水下图像增强 生成对抗网络 残差结构 无监督学习 

摘      要：提出一种基于生成对抗模型的水下图像修正与增强算法.该算法将多尺度内核应用于改进的残差模块中,以此构建生成器,实现多感受野特征信息的提取与融合;判别器设计考虑了全局信息与局部细节的关系,建立了全局-区域双判别结构,能够保证整体风格与边缘纹理的一致性;最后,根据人类视觉感官系统设计了无监督损失函数,此部分无需参考图像进行约束,同时其与对抗损失和内容损失一起进行联合优化,能够得到更优的色彩和结构表现.在多个数据集上进行实验分析表明,此算法能较好地修正色偏、对比度,保护细节信息不丢失,在主客观指标上都优于典型对比算法.