深度学习驱动的水下图像增强与复原研究进展

• 作者: 丛润民 张晨 张禹墨 李重仪 赵耀
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 水下图像 质量退化 图像增强与复原 深度学习 水下图像增强与复原数据库
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 综述
• 页码范围: 1377-1389
• 页数: 13页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2020.09.001

摘要

水下图像是水下信息的重要载体和呈现方式,对海洋资源的探索、开发、利用具有至关重要的作用.然而,由于客观成像环境和设备的限制,水下图像质量总是差强人意,具有对比度低、细节模糊、颜色偏差等退化现象,严重制约相关领域的发展.因此,如何通过后期算法对退化的水下图像进行增强和复原越来越受到学者们的关注.近些年,随着深度学习技术的快速发展,基于深度学习的水下图像增强与复原技术取得了巨大进展.为了更加全面、立体地对现有方法进行梳理与归纳,紧跟最新研究进展,本文着重对深度学习驱动的水下图像增强与复原的方法和模型进行介绍,详细整理现有的水下图像数据集,分析现有基于深度学习方法的关键问题,并对未来发展方向进行展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵耀		61	474	12.0	19.0
2	张晨		7	37	4.0	6.0
3	丛润民		1	0	0.0	0.0
4	张禹墨		1	0	0.0	0.0
5	李重仪		1	0	0.0	0.0