基于条件生成对抗网络的水下图像增强算法*

杨国亮， 王 杨， 赖振东

(江西理工大学 电气工程与自动化学院，江西 赣州 341000)

0 引 言

随着陆地资源的大量消耗，对海洋资源的探索就显得尤为重要。但是光在水中传播时受到水介质的影响，往往拍摄到的水下图像存在着模糊不清，颜色失真等问题，对后续的目标识别及分割造成不利的影响。近年来，各种水下图像修复与增强的方法层出不穷，图像修复方面如Chiang J Y等人[1]提出的通过暗通道先验的方法进行水下图像增强模型。Wen H等人[2]通过分析光的衰减特性，从图像蓝绿通道中的信息求取暗原色通道，同时对红色通道的折射率进行估计，实现水下图像的修复。李黎等人[3]通过改进的暗原色先验算法消除散射光以及白平衡算法对颜色进行校正，在水下图像修复方面取得不错效果。图像增强方面有Singh K等人[4]提出的基于基于递归直方图均衡化的水下图像增强方法，随着深度学习的飞速发展，在图像的识别[5]、分割[6]以及超分辨重建[7]等方面取得巨大的进展,徐岩等人[8]提出了基于卷积神经网络(convolutional neural networks,CNN)的水下图像增强方法，通过颜色失真与图像模糊化方法建立水下图像库.成功将CNN应用于水下图像增强。

本文提出了一种基于条件生成对抗网络(conditional generation adversarial networks,CGAN)的水下图像增强算法，通过改进生成器与判别器模型，利用CGAN模型，将完全配对的输入与输出图像作为输入，生成器模型采用U-net[9]网络架构同时在原始生成对抗网络(generative adversarial networks，GAN)[10]损失函数中引入了L1loss进行修正。结果表明，训练出的模型对水下图像有明显的增强效果。……