轻量级水下图像增强网络

小数据训练好

针对水下图像退化问题，基于DehazeFormer改进的网络结构，在小规模训练集上即可达到优于现有方法的增强效果。

曲钧天 · Xiangyu, Cao · Jiang, Shancheng · Jia, You · Zhenping, Yu

IEEE Journal of Oceanic Engineering 2025

技术优势

小数据训练好

基于DehazeFormer框架，在小规模训练集上即可获得满意的增强性能，降低了数据获取的时间与人工成本。

避免棋盘伪影

采用基于插值的上采样策略替代PixelShuffle，避免了重建图像中常见的棋盘伪影。

改善特征表达

引入额外特征通道分离非关键高层图像特征，并采用结合像素、感知和色彩损失的损失函数，适应水下环境。

应用场景

• 水下机器人视觉：增强水下图像质量，提升机器人视觉感知可靠性。
• 自主水下航行器：改善AUV采集图像的清晰度，辅助导航与作业。
• 水下目标检测：提高水下目标检测前的图像预处理效果。
• 海洋工程监测：提升海洋工程监测图像质量，便于分析。