Metalantis: A Comprehensive Underwater Image Enhancement Framework

水下 计算机科学 遥感 图像增强 计算机视觉 图像(数学) 人工智能 地质学 海洋学
作者
Hao Wang,Weibo Zhang,Lu Bai,Peng Ren
出处
期刊:IEEE Transactions on Geoscience and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:62: 1-19 被引量:9
标识
DOI:10.1109/tgrs.2024.3387722
摘要

Underwater images normally suffer from visual degradation issues such as color deviations, low contrasts, and blurred details. Recently, numerous underwater image enhancement algorithms have been proposed to address these issues. However, constrained by underwater conditions, acquiring non-underwater images and depth maps for underwater images is often challenging. This limitation significantly hampers the performance of data driven-based methods and physical model-based methods. Additionally, existing physical model-based methods typically require manual parameter settings, which tend to be bruteforce and insufficient to effectively address the diverse underwater scenes. To overcome these limitations, this paper presents a comprehensive underwater image enhancement framework comprising three phases: metamergence (i.e., meta submergence), metalief (i.e., meta relief), and metaebb (i.e., meta ebb). These phases are dedicated to virtual underwater image synthesis, underwater image depth map estimation, and the configuration of state-of-the-art physical models for underwater image enhancement by reinforcement learning, separately. While the three phases are trained separately, the former phase provides the necessary data for training the latter. We refer to the overall three phases as metalantis (i.e., meta Atlantis) because its training processes, involving variations from submergence via relief to ebb over indoor scenes, mimic the virtual variations of Atlantis. The metalantis framework empowers state-of-the-art physical models of underwater imaging through reinforcement learning with virtually generated data. The well-trained metalantis framework can take an underwater image as the sole input, process it into virtual representations, and finally enhance it. Comprehensive qualitative and quantitative empirical evaluations validate that our metalantis framework outperforms state-of-the-art underwater image enhancement methods. We release our code at https://gitee.com/wanghaoupc/Metalantis_UIE.
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
guoxingliu完成签到,获得积分10
3秒前
风筝与亭完成签到 ,获得积分10
7秒前
wzy5508完成签到 ,获得积分10
7秒前
lww123发布了新的文献求助10
13秒前
勤劳的颤完成签到 ,获得积分10
16秒前
锅包肉完成签到 ,获得积分10
19秒前
初夏完成签到 ,获得积分10
19秒前
忍冬完成签到,获得积分10
23秒前
aaa0001984完成签到,获得积分0
23秒前
Telomere完成签到 ,获得积分10
23秒前
ddddduan完成签到 ,获得积分0
26秒前
27秒前
小姜完成签到,获得积分10
29秒前
sophia完成签到 ,获得积分10
32秒前
Qiao完成签到 ,获得积分10
34秒前
酷波er应助sylnd126采纳,获得10
36秒前
Akim应助忍冬采纳,获得10
37秒前
lww123完成签到,获得积分10
37秒前
欣喜的薯片完成签到 ,获得积分10
39秒前
zcg完成签到,获得积分10
40秒前
Xiao10105830完成签到,获得积分10
42秒前
qks完成签到 ,获得积分10
42秒前
缓慢冥幽完成签到 ,获得积分10
42秒前
战场原荡漾完成签到,获得积分10
48秒前
HXL完成签到 ,获得积分10
54秒前
坚强的元瑶完成签到,获得积分10
57秒前
CLTTTt完成签到,获得积分10
1分钟前
GuangboXia完成签到,获得积分10
1分钟前
所所应助行云流水采纳,获得20
1分钟前
生言生语完成签到,获得积分10
1分钟前
zjq完成签到 ,获得积分10
1分钟前
Hosea完成签到 ,获得积分10
1分钟前
Jasmineyfz完成签到 ,获得积分10
1分钟前
研友_ZegMrL完成签到,获得积分10
1分钟前
fengfenghao完成签到 ,获得积分10
1分钟前
猪仔5号完成签到 ,获得积分10
1分钟前
1分钟前
沙与沫完成签到 ,获得积分10
1分钟前
haonanchen完成签到,获得积分10
1分钟前
飞快的冰淇淋完成签到 ,获得积分10
1分钟前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 400
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 3155031
求助须知:如何正确求助?哪些是违规求助? 2805746
关于积分的说明 7865951
捐赠科研通 2464038
什么是DOI,文献DOI怎么找? 1311698
科研通“疑难数据库(出版商)”最低求助积分说明 629734
版权声明 601862