来源：期刊VIP网 时间：
作者：冯岩;张文鹏;刘劲芸;安永丽;
单位：华北理工大学人工智能学院;
摘要：水下环境由于水的吸收和散射会对图像的生成产生负面影响，导致水下拍摄的图像常常出现色偏、模糊、低对比度等问题。针对上述问题，文中提出一种无参考水下图像增强算法。算法以卷积神经网络为基础，结合曲线估计实现水下图像的增强。首先，该算法通过卷积层保留图像的浅层特征；然后，通过连接密集残差块补偿图像特征的细节信息；最后，将提取的特征信息进行曲线估计，动态调整像素值，得到清晰图像。在网络训练过程中通过一组无参考损失函数来驱动网络学习，可在不需要成对数据的情况下提高图像质量。在公共数据集上对模型的性能进行评估与测试，与具有代表性的增强方法进行了比较验证。实验结果表明，该算法在PSNR指标和SSIM指标上分别达到了23.544和0.830，较第二名算法分别提高了10.02%和3.88%。
关键词：水下图像增强;;曲线估计;;无参考损失函数;;残差网络;;深度学习;;跳跃连接
基金资助：国家科技部重点研发专项（2017YFE0135700）;; 河北省高层次人才工程项目（A201903011）;; 河北省自然科学基金项目（F2018209358）
