计算机应用

作者：陈龙彪, 谌雨章, 王晓晨, 邹鹏, 胡学敏

单位：湖北大学 计算机与信息工程学院, 武汉 430062

关键词：卷积神经网络,超分辨率重建,信噪比,水下图像处理,映射

基金：国家自然科学基金青年科学基金资助项目（61806076）；湖北省大学生创新创业训练计划基金资助项目（201710512051，201810512051）。

由于水体本身的特性以及水中悬浮颗粒对光的吸收和散射作用，水下图像普遍存在信噪比（SNR）低、分辨率低等一系列问题，但大部分方法传统处理方法包含图像增强、复原及重建，都依赖退化模型，并存在算法病态性问题。为进一步提高水下图像恢复算法的效果和效率，提出了一种改进的基于深度卷积神经网络的图像超分辨率重建方法。该方法网络中引入了改良的密集块结构（IDB），能在有效解决深度卷积神经网络梯度弥散问题的同时提高训练速度。该网络对经过配准的退化前后的水下图像进行训练，得到水下低分辨率图像和高分辨率图像之间的一个映射关系。实验结果表明，在基于自建的水下图像作为训练集上，较卷积神经网络的单帧图像超分辨率重建算法（SRCNN），使用引入了改良的密集块结构（IDB）的深度卷积神经网络对水下图像进行重建，重建图像的峰值信噪比（PSNR）提升达到0.38 dB，结构相似度（SSIM）提升达到0.013，能有效地提高水下图像的重建质量。

来源：2019年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第9期