基于CGAN的自适应密集特征融合水下图像增强算法

针对水下图像降质的问题,提出一种基于条件生成对抗网络(CGAN)的自适应密集特征融合水下图像增强算法.该算法提出一种新颖的自适应密集特征融合(ADFF)模块,通过自适应学习不同级别特征的空间重要性权重,从而促使网络从以前和现在的特征中学习更有效的特征进行融合.实验中,采用U-Net结构的生成器,将AD-FF模块集成在生成器的每一级别,使用WGAN-GP对抗损失与L_(1)和L_(2)损失的组合损失对网络模型进行约束.实.验结果表明,与其他水下图像增强算法进行对比,该算法在合成和真实数据集上均取得了更优越的性能,可以生成视觉效果更好的清晰水下图像.