基于频域分解的双流水下图像增强网络

摘要

本文探究水下图像增强技术在水下成像研究领域中的重要性.水下环境的复杂性导致图像质量下降，给水下目标的检测和识别造成困难.本文通过基于离散余弦变换(Discrete cosine transform, DCT)分解的水下图像增强技术，将原始图像划分为高频和低频子图像，并利用双流网络进行处理.其中，上支路采用多颜色空间融合模块进行颜色校正，下支路则利用多级融合的细节增强网络增强图像细节.研究结果表明，该方法能同时处理低频子图像的颜色校正和高频子图像的细节增强，有效提升水下图像质量和可视性.水下图像增强技术对推动水下成像研究领域的发展和应用具有积极意义，有助于科学研究、海洋勘探、水下资源开发、环境监测和海底考古等领域.因此，本文所提方法为水下成像研究领域的进一步发展和应用提供了有益参考.

关键词

水下图像 / 图像增强 / 深度学习 / 频域分解 / 多颜色空间