提出新型网络以提高水下图像质量
•
2024-08-30 11:39:26
摘要 近日，中国科学院合肥物质科学研究院王汝菁、王六三研究员团队，针对各类干扰导致的水下图像质量下降问题，建立了一种可学习的全频Tranorme...
近日，中国科学院合肥物质科学研究院王汝菁、王六三研究员团队，针对各类干扰导致的水下图像质量下降问题，建立了一种可学习的全频Tranormer双生成对抗网络(LFT-DGAN)。
该研究成果发表在 《海洋科学前沿》杂志上。
水下图像增强技术旨在优化水下图像质量，满足海洋科研、水下机器人、物体识别等多样化需求。由于水下环境特殊，图像经常受到噪声、色彩偏差等影响，增强难度极大。水下图像质量的提升需要科研人员不断探索创新。
本研究利用可逆卷积和对抗神经网络的知识，建立了全频变压器的双生成对抗神经网络模型，并通过对比多幅水下图像实验数据验证了其有效性。
在该模型的帮助下，研究人员首次利用可逆卷积的图像分解技术，精确分离了图像的不同频率特征。
此外，研究还采用了一种先进的变换器模型，该模型可以学习改善不同类型信息的交互和整合。他们还创建了一个双域鉴别器，以更好地捕捉和分析图像的频率特征。
“我们的研究成果和方法为后续水下图像增强的研究和发展提供了坚实的理论基础和有力的支持。”王六三说。
版权声明：本文由用户上传，如有侵权请联系删除！
标签：