清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Joint Iterative Color Correction and Dehazing for Underwater Image Enhancement

计算机科学 颜色校正 人工智能 水下 计算机视觉 失真(音乐) 过程(计算) 频道(广播) 薄雾 接头(建筑物) 图像(数学) 物理 带宽(计算) 放大器 建筑工程 气象学 工程类 地质学 操作系统 海洋学 计算机网络
作者
Kun Wang,Liquan Shen,Yufei Lin,Mengyao Li,Qijie Zhao
出处
期刊:IEEE robotics and automation letters 卷期号:6 (3): 5121-5128 被引量:35
标识
DOI:10.1109/lra.2021.3070253
摘要

The captured underwater images suffer from color cast and haze effect caused by absorption and scattering. These interdependent phenomena jointly degrade images, resulting in failure of autonomous machines to recognize image contents. Most existing learning-based methods for underwater image enhancement (UIE) treat the degraded process as a whole and ignore the interaction between color correction and dehazing. Thus, they often obtain unnatural results. To this end, we propose a novel joint network to optimize the results of color correction and dehazing in multiple iterations. Firstly, a novel triplet-based color correction module is proposed to obtain color-balanced images with identical distribution of color channels. By means of inherent constraints of the triplet structure, the information of channel with less distortion is utilized to recover the information of other channels. Secondly, a recurrent dehazing module is designed to alleviate haze effect in images, where the Gated Recurrent Unit (GRU) as the memory module optimizes the results in multiple cycles to deal with severe underwater distortions. Finally, an iterative mechanism is proposed to jointly optimize the color correction and dehazing. By learning transform coefficients from dehazing features, color features and basic features of raw images are progressively refined, which maintains color balanced during the dehazing process and further improves clarity of images. Experimental results show that our network is superior to the existing state-of-the-art approaches for UIE and provides improved performance for underwater object detection.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
嫁个养熊猫的完成签到 ,获得积分10
22秒前
三伏天完成签到,获得积分10
22秒前
咯咯咯完成签到 ,获得积分10
30秒前
暮迟途远完成签到,获得积分10
38秒前
1250241652完成签到,获得积分10
51秒前
怕孤独的访云完成签到 ,获得积分10
54秒前
vvvaee完成签到 ,获得积分10
1分钟前
1分钟前
sobergod完成签到 ,获得积分10
1分钟前
自然涵易发布了新的文献求助10
1分钟前
ss发布了新的文献求助10
1分钟前
英姑应助Z颖123采纳,获得10
1分钟前
武汉出血王完成签到,获得积分10
2分钟前
Gary完成签到 ,获得积分10
2分钟前
yinhe完成签到 ,获得积分10
3分钟前
General完成签到 ,获得积分10
3分钟前
3分钟前
打打应助甘楽采纳,获得10
3分钟前
fighting完成签到,获得积分10
4分钟前
fighting发布了新的文献求助10
4分钟前
4分钟前
甘楽发布了新的文献求助10
4分钟前
鬼见愁完成签到,获得积分10
4分钟前
甘楽完成签到,获得积分10
4分钟前
richardzhang1984完成签到 ,获得积分10
4分钟前
4分钟前
Z颖123发布了新的文献求助10
4分钟前
自然涵易完成签到,获得积分10
5分钟前
aniu完成签到,获得积分10
5分钟前
玄黄大世界完成签到,获得积分10
5分钟前
秋夜临完成签到,获得积分10
5分钟前
香蕉觅云应助科研通管家采纳,获得10
5分钟前
emxzemxz完成签到 ,获得积分10
5分钟前
widesky777完成签到 ,获得积分0
6分钟前
jlwang发布了新的文献求助10
6分钟前
naczx完成签到,获得积分10
6分钟前
风秋杨完成签到 ,获得积分10
6分钟前
亮总完成签到 ,获得积分10
6分钟前
sherry完成签到 ,获得积分10
6分钟前
潇洒的语蝶完成签到 ,获得积分10
6分钟前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
叶剑英与华南分局档案史料 500
Foreign Policy of the French Second Empire: A Bibliography 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3146832
求助须知:如何正确求助?哪些是违规求助? 2798126
关于积分的说明 7826730
捐赠科研通 2454695
什么是DOI,文献DOI怎么找? 1306428
科研通“疑难数据库(出版商)”最低求助积分说明 627788
版权声明 601565