下载掌阅APP，畅读海量书库
立即打开
受水下特殊环境的影响，水下图像通常存在颜色失真、对比度低和清晰度低等问题。这类问题大大降低了水下图像的视觉效果，为后续的工作带来了严重的阻碍。近年来，在生成模型（Generative Model）的研究中，尤其是生成对抗网络（GAN） [1] 的提出与发展，研究人员在图像修复 [2] 和图像转换 [3] 等领域取得了巨大的成功。这是由于GAN能够通过判别器学习到比基于像素差异更有意义的损失函数 [4] 。为了进一步提高水下图像增强算法的性能，获取质量较高的水下图像，本章提出了基于特征融合GAN的水下图像增强算法，通过生成器和判别器之间的对抗训练，获得了鲁棒性较高的水下图像增强模型。