基于视觉Transformer的多损失融合水下图像增强网络

作     者：丛晓峰 桂杰 章军 CONG Xiaofeng;GUI Jie;ZHANG Jun

作者机构：东南大学网络空间安全学院江苏南京210000 安徽大学人工智能学院安徽合肥230000 

出 版 物：《智能科学与技术学报》 (Chinese Journal of Intelligent Science and Technology)

年 卷 期：2022年第4卷第4期

页      面：522-532页

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(No.62172090)。 

主　　题：水下图像 质量增强 视觉Transformer 神经网络 

摘      要：由于水中存在光的吸收和散射现象,水下机器人拍摄到的图像存在颜色失真和对比度降低的问题。针对水下图像存在的质量退化现象,提出了一种基于视觉Transformer的多损失融合的方式训练水下图像增强网络。图像增强网络采用编码与解码的结构,可以采用端到端的方式进行训练。将多损失的线性组合作为总体优化目标,有效地更新水下图像增强网络的参数,包括像素损失、结构损失、边缘损失和特征损失。在两个大型水下数据集上进行了量化实验,并与7种水下图像增强算法进行对比。以峰值信噪比和结构相似性为有参考评估指标,以水下评估指标为无参考评估指标进行实验。实验结果表明,提出的水下图像增强网络能够有效地解决图像的颜色失真与对比度降低问题。