信息熵自适应生成对抗网络的水下图像增强方法

张三; 李吴唐; 韩旭东; 丁倩文; 周曼丽; 王浚安

doi:10.13682/j.issn.2095-6533.2026.02.009

西安邮电大学学报 ›› 2026, Vol. 31 ›› Issue (2) : 89 -99. DOI: 10.13682/j.issn.2095-6533.2026.02.009

信息熵自适应生成对抗网络的水下图像增强方法

张三, 李吴唐, 韩旭东, 丁倩文, 周曼丽, 王浚安

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对水下图像普遍存在偏色、细节模糊以及现有网络模型推理速度较慢、复杂度较高等问题，提出一种信息熵自适应生成对抗网络(Generative Adversarial Networks,GAN)的水下图像增强方法。在GAN生成器中使用U-Net网络提取水下图像特征，并计算U-Net网络中各层的信息熵，根据预先设定的阈值自适应地选择参与细节特征增强模块训练的特征层。同时，利用去偏色模块对原始图像进行处理，采用特征提取模块提取去偏色后的图像特征。最后，通过细节特征增强模块完成特征融合，并利用判别器对重构增强的图像进行判别。实验结果表明，所提方法在峰值信噪比和结构相似度两个指标上分别达到21.92和0.95,较FUnIE-GAN方法提升了14.65%和3.51%。此外，在非参考指标水下图像质量度量和自然图像评价指标上，所提方法也表现出显著优势，验证了其在色彩校正、细节恢复和对比度提升方面的有效性。