融合密集特征的水下图像增强算法

摘要

水下图像由于光学传输特性,其退化程度不同于自然图像,往往存在色偏、可视性差、细节模糊等问题.在生成式对抗网络(generative adversarial networks,GAN)的基础上,提出了一种融合密集特征的水下图像增强算法—DFGAN算法.该算法对现有的GAN进行改进,校正图像蓝、绿色偏.同时,在生成器中构建了密集特征融合机制,通过充分利用图像中的特征信息,弥补了图像校正过程中细节信息的损失.实验结果表明:该算法的增强图像在结构相似性、峰值信噪比、信息熵和水下彩色图像质量评价这4种通用客观质量评价指标的数值上均有所提升,证明该算法能有效校正水下低质图像颜色,恢复纹理特征,提高可视质量.