论文部分内容阅读
针对由于光在水中传播所带来的影响,导致所获得的水下图像不清晰以及颜色失真的问题,提出了一种基于条件生成对抗网络(CGAN)的水下图像增强算法。为了达到更好的增强效果,利用完全配对的水下图像与清晰图像进行模型的训练,通过端到端的方式获取增强图像。在生成网络模型中,采用U-Net网络结构进行网络的信息减负,同时为了捕捉到更多的低频特征,在损失函数中引入L_1损失,让生成的结果更加真实和清晰。通过最后的实验结果表明:训练的模型有效解决了水下图像的颜色失真与模糊问题,对水下图像有不错的增强效果。