Joint Residual Learning for Underwater Image Enhancement ,2018
用于水下图像增强的联合残差学习方法
提出的网络: URCNN(VGG网络的改进版)
本文通过构建联合残差网络从输入图像中学习透射图,并取透射图中最亮的
0.1% 像素为背景光,再将透射图和背景光输入水下成像模型获取去雾后的图像,最后对去雾的图像进行色彩矫正,以获取复原的水下图像。
色彩矫正的方法:
将色偏视为场景残差,并基于灰色世界假设和多尺度局部最大饱和度的特征,提出了一种有效的色彩平衡解决方案。
标签:矫正,透射,残差,图像复原,水下,图像,文献,色彩 来源: https://blog.csdn.net/weixin_42313211/article/details/114601890
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。