AL-GAN:一种融合注意力机制的轻量级GAN水下图像增强模型

作     者：冯建新 韩亚军 潘成胜 孙传林 蔡远航 FENG Jianxin;HAN Yajun;PAN Chengsheng;SUN Chuanlin;CAI Yuanhang

作者机构：辽宁省通信网络与信息处理重点实验室辽宁大连116622 大连大学信息工程学院辽宁大连116622 

出 版 物：《兵器装备工程学报》 (Journal of Ordnance Equipment Engineering)

年 卷 期：2024年第45卷第2期

页      面：135-143页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：水下图像增强 注意力机制 轻量级 生成对抗网络 

摘      要：针对水下图像存在对比度低、颜色失真和现有网络模型推理速度慢等问题,提出一种融合注意力机制的轻量级GAN水下图像增强模型。该模型使用PatchGAN作为判别网络,生成网络在FUnIE-GAN模型基础上,使用轻量化模型MobileNet替换原U-Net特征提取网络中参数量极大的VGG16模型作为特征提取模块,提取水下退化图像特征,使网络模型参数量减少,加快了网络模型的推理速度。进一步在特征提取模块引入通道和空间注意力机制,增强了网络特征提取能力,达到了增强图像细节的目的。在EUVP数据集上进行实验,结果表明:该方法在处理真实水下图像时有很好的效果。与几种现有方法相比,本文中所提方法能够更好地提升对比度,修正色偏,减少图像细节信息损失,在主客观指标上都优于现有方法。