基于改进CycleGAN的水下图像颜色校正与增强
文献类型：期刊论文
| 作者 | 李庆忠; 白文秀; 牛炯 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2023 |
| 卷号 | 49期号:4页码:820-829 |
| 关键词 | 水下图像 深度学习 循环一致性生成对抗网络 颜色校正 图像增强 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c200510 |
| 英文摘要 | 针对水下观测图像的颜色失真和散射模糊问题,提出一种基于改进循环一致性生成对抗网络(Cycle-consistent generative adversarial networks, CycleGAN)的水下图像颜色校正与增强算法.为了利用CycleGAN学习水下降质图像到空气中图像的映射关系,对传统CycleGAN的损失函数进行了改进,提出了基于图像强边缘结构相似度(Strong edge and structure similarity, SESS)损失函数的SESS-CycleGAN, SESS-CycleGAN可以在保留原水下图像的边缘结构信息的前提下实现水下降质图像的颜色校正和对比度增强.为了确保增强后图像和真实脱水图像颜色的一致性,建立了SESSCycleGAN和正向生成网络G相结合的网络结构;并提出了两阶段学习策略,即先利用非成对训练集以弱监督方式进行SESS-CycleGAN学习,然后再利用少量成对训练集以强监督方式进行正向生成网络G的监督式学习.实验结果表明:本文算法在校正水下图像颜色失真的同时还增强了图像对比度,且较好地实现了增强后图像和真实脱水图像视觉颜色的一致性. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56170]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 李庆忠,白文秀,牛炯. 基于改进CycleGAN的水下图像颜色校正与增强[J]. 自动化学报,2023,49(4):820-829. |
| APA | 李庆忠,白文秀,&牛炯.(2023).基于改进CycleGAN的水下图像颜色校正与增强.自动化学报,49(4),820-829. |
| MLA | 李庆忠,et al."基于改进CycleGAN的水下图像颜色校正与增强".自动化学报 49.4(2023):820-829. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。