亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Underwater scene prior inspired deep underwater image and video enhancement

水下 人工智能 计算机视觉 卷积神经网络 计算机科学 能见度 特征(语言学) 模式识别(心理学) 地质学 光学 海洋学 物理 语言学 哲学
作者
Chongyi Li,Saeed Anwar,Fatih Porikli
出处
期刊:Pattern Recognition [Elsevier BV]
卷期号:98: 107038-107038 被引量:1301
标识
DOI:10.1016/j.patcog.2019.107038
摘要

In underwater scenes, wavelength-dependent light absorption and scattering degrade the visibility of images and videos. The degraded underwater images and videos affect the accuracy of pattern recognition, visual understanding, and key feature extraction in underwater scenes. In this paper, we propose an underwater image enhancement convolutional neural network (CNN) model based on underwater scene prior, called UWCNN. Instead of estimating the parameters of underwater imaging model, the proposed UWCNN model directly reconstructs the clear latent underwater image, which benefits from the underwater scene prior which can be used to synthesize underwater image training data. Besides, based on the light-weight network structure and effective training data, our UWCNN model can be easily extended to underwater videos for frame-by-frame enhancement. Specifically, combining an underwater imaging physical model with optical properties of underwater scenes, we first synthesize underwater image degradation datasets which cover a diverse set of water types and degradation levels. Then, a light-weight CNN model is designed for enhancing each underwater scene type, which is trained by the corresponding training data. At last, this UWCNN model is directly extended to underwater video enhancement. Experiments on real-world and synthetic underwater images and videos demonstrate that our method generalizes well to different underwater scenes.
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
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
foxm完成签到,获得积分10
2秒前
3秒前
忧虑的怀曼完成签到,获得积分10
4秒前
忐忑的新蕾完成签到,获得积分10
7秒前
10秒前
落寞的姿完成签到,获得积分10
16秒前
Akim的应助被qingzx采纳,获得30
16秒前
大模型的应助被ADAB0002采纳,获得10
19秒前
Maestro_S的应助被科研通管家采纳,获得10
31秒前
李爱国的应助被科研通管家采纳,获得10
31秒前
32秒前
玛琳卡迪马完成签到,获得积分10
33秒前
37秒前
科研通AI6.4的应助被blenx采纳,获得10
42秒前
45秒前
WakinLEO发布了新的文献求助100
50秒前
迅速的新竹完成签到,获得积分10
1分钟前
1分钟前
聪慧天真完成签到,获得积分10
1分钟前
小马完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
ADAB0002发布了新的文献求助10
1分钟前
吧唧吧唧发布了新的文献求助10
1分钟前
1分钟前
ADAB0002发布了新的文献求助10
1分钟前
标致的元蝶完成签到,获得积分10
1分钟前
bji完成签到,获得积分10
2分钟前
共享精神的应助被栾一一采纳,获得10
2分钟前
文静飞松完成签到,获得积分10
2分钟前
爱听歌的碧彤完成签到,获得积分10
2分钟前
2分钟前
栾一一发布了新的文献求助10
2分钟前
2分钟前
领导范儿的应助被科研通管家采纳,获得10
2分钟前
所所的应助被科研通管家采纳,获得10
2分钟前
2分钟前
Jasper的应助被科研通管家采纳,获得10
2分钟前
领导范儿的应助被WakinLEO采纳,获得50
2分钟前
2分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
Hidden Empire of Finance: How Wall Street Profits from Our Cities and Fuels Global Inequality 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8166106
求助须知:如何正确求助?哪些是违规求助? 9559433
关于积分的说明 21750245
捐赠科研通 7756975
什么是DOI,文献DOI怎么找? 3429113
关于科研通互助平台的介绍 2553436
邀请新用户注册赠送积分活动 2473781