-
题名基于CGAN的自适应密集特征融合水下图像增强算法
被引量:2
- 1
-
-
作者
李耀
于腾
祁少华
杨国为
-
机构
青岛大学电子信息学院
南京审计大学信息工程学院
-
出处
《微电子学与计算机》
2021年第12期31-38,共8页
-
基金
国家自然科学基金资助项目(61772277,61873071)
国家重点研发计划资助项目(2017YFC080-4000)。
-
文摘
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.
-
关键词
深度学习
条件生成对抗网络
自适应密集特征融合
水下图像增强
U-Net
-
Keywords
deep learning
conditional generative adversarial network(CGAN)
adaptive dense feature fusion(ADFF)
underwater image enhancement
U-Net
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-