基于生成对抗网络的水下图像增强

对光的散射和衰减导致水下图像出现颜色失真和细节模糊对比度低问题进行研究，提出一种基于生成对抗网络（GAN）的图像增强方法。首先以图像分割（U-Net）网络为基础提取水下退化图像特征，再使用改进的白平衡算法对原始图像进行去偏色处理，用卷积神经网络提取去偏色后的图像特征，接着通过卷积神经网络完成两者特征融合，最后重构增强的图像。结果表明，本文算法增强后的图像在UIQM、PSNR和SSIM指标上的平均值为5.071、25.310和0.996，分别比第二名提升了1%、7%和5%。在主观感知和客观评估中，处理后的图像在清晰度、颜色校正和对比度方面均得到改善。