Indexed by：
Abstract：
水下图像增强技术能够提升水下图像的质量和可视性,在丰富数字媒体资源、水下探测、水下通信等领域具有重要应用价值.近年来,深度学习方法在水下图像增强方面取得了显著的效果.然而,现有的方法计算复杂度高,限制了它们在计算资源有限的场景中的使用.针对这一问题,提出了一种轻量化的水下图像增强方法,该方法基于跨尺度深度蒸馏特征感知,采用U型网络结构,在保证非线性抽象层级抽取的同时,大幅减少了模型参数量.实验结果表明,所提出方法在视觉效果和客观评价指标上均取得了具有竞争力的结果.
Keyword：
Reprint 's Address：
Email：
Source ：
大气与环境光学学报
ISSN： 1673-6141
Year： 2024
Issue： 3
Volume： 19
Page： 381-390
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
