論文の概要: UIEC^2-Net: CNN-based Underwater Image Enhancement Using Two Color Space
- arxiv url: http://arxiv.org/abs/2103.07138v1
- Date: Fri, 12 Mar 2021 08:23:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-15 21:31:52.392249
- Title: UIEC^2-Net: CNN-based Underwater Image Enhancement Using Two Color Space
- Title（参考訳）: UIEC^2-Net:2色空間を用いたCNNによる水中画像強調
- Authors: Yudong Wang, Jichang Guo, Huan Gao, Huihui Yue
- Abstract要約: 本稿では,rgbの画素レベルブロック,水中画像の輝度,色,彩度をグローバルに調整するhsvグローバル調整ブロック,およびrgbとhsvの出力画像の長所を各画素に分散して結合するアテンションマップブロックの3つのブロックからなるエンドツーエンドトレーニング可能なネットワークを提案する。
合成および実世界の水中画像に対する実験結果から,提案手法の主観的比較と客観的評価の両方において良好な性能を示した。
- 参考スコア（独自算出の注目度）: 9.318613337883097
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Underwater image enhancement has attracted much attention due to the rise of
marine resource development in recent years. Benefit from the powerful
representation capabilities of Convolution Neural Networks(CNNs), multiple
underwater image enhancement algorithms based on CNNs have been proposed in the
last few years. However, almost all of these algorithms employ RGB color space
setting, which is insensitive to image properties such as luminance and
saturation. To address this problem, we proposed Underwater Image Enhancement
Convolution Neural Network using 2 Color Space (UICE^2-Net) that efficiently
and effectively integrate both RGB Color Space and HSV Color Space in one
single CNN. To our best knowledge, this method is the first to use HSV color
space for underwater image enhancement based on deep learning. UIEC^2-Net is an
end-to-end trainable network, consisting of three blocks as follow: a RGB
pixel-level block implements fundamental operations such as denoising and
removing color cast, a HSV global-adjust block for globally adjusting
underwater image luminance, color and saturation by adopting a novel neural
curve layer, and an attention map block for combining the advantages of RGB and
HSV block output images by distributing weight to each pixel. Experimental
results on synthetic and real-world underwater images show the good performance
of our proposed method in both subjective comparisons and objective metrics.
- Abstract（参考訳）: 近年,海洋資源開発が盛んになり,水中画像の強調が注目されている。
Convolution Neural Networks(CNN)の強力な表現能力の利点は、CNNに基づく複数の水中画像強化アルゴリズムがここ数年で提案されています。
しかし、これらのアルゴリズムのほとんどがrgb色空間設定を採用しており、輝度や彩度などの画像特性に影響を受けない。
2色空間(UICE^2-Net)を用いた水中画像強調畳み込みニューラルネットワークを提案し、1つのCNNでRGB色空間とHSV色空間を効率的に効率的に統合した。
我々の知る限り、この手法は深層学習に基づく水中画像強調に初めてHSV色空間を用いたものである。
UIEC^2-Netは、RGBピクセルレベルのブロックは、カラーキャストの消色除去などの基本的な操作、新しいニューラルカーブ層を採用して水中の画像輝度、色、彩度をグローバルに調整するためのHSVグローバル調整ブロック、各ピクセルに重みを分散してRGBとHSVブロック出力画像の利点を組み合わせるための注意マップブロックの3つのブロックからなるエンドツーエンドのトレーニング可能なネットワークである。
合成および実世界の水中画像に対する実験結果から,提案手法の主観的比較と客観的評価の両方において良好な性能を示した。
関連論文リスト
- Multispectral Texture Synthesis using RGB Convolutional Neural Networks [2.3213238782019316]
最先端のRGBテクスチャ合成アルゴリズムは、深い特徴の統計によって計算されるスタイル距離に依存している。
本稿では,これらの手法をマルチスペクトルイメージングに拡張する2つの方法を提案する。
論文 参考訳（メタデータ） (2024-10-21T13:49:54Z) - FDCE-Net: Underwater Image Enhancement with Embedding Frequency and Dual Color Encoder [49.79611204954311]
水中画像は、低明度、色の変化、ぼやけた詳細、吸光光によるノイズ、水や懸濁粒子による散乱などの様々な問題に悩まされることが多い。
従来の水中画像強調法(UIE)は主に空間領域の強調に焦点を当てており、画像固有の周波数領域情報を無視している。
論文 参考訳（メタデータ） (2024-04-27T15:16:34Z) - You Only Need One Color Space: An Efficient Network for Low-light Image Enhancement [50.37253008333166]
低照度画像強調(LLIE)タスクは、劣化した低照度画像から詳細と視覚情報を復元する傾向がある。
水平/垂直インテンシティ(HVI)と呼ばれる新しいトレーニング可能なカラー空間を提案する。
輝度と色をRGBチャネルから切り離して、拡張中の不安定性を緩和するだけでなく、トレーニング可能なパラメータによって異なる照明範囲の低照度画像にも適応する。
論文 参考訳（メタデータ） (2024-02-08T16:47:43Z) - Toward Sufficient Spatial-Frequency Interaction for Gradient-aware
Underwater Image Enhancement [5.553172974022233]
本研究では,空間周波数相互作用と勾配図に基づく新しい水中画像強調(UIE)フレームワークを開発する。
2つの実世界の水中画像データセットによる実験結果から,本手法が水中画像の強化に有効であることが確認された。
論文 参考訳（メタデータ） (2023-09-08T02:58:17Z) - USLN: A statistically guided lightweight network for underwater image
enhancement via dual-statistic white balance and multi-color space stretch [7.169484500968534]
統計的に誘導された軽量水中画像強調ネットワーク(USLN)を提案する。
USLNは特定のピクセルごとに色歪みを補正することを学ぶ。
実験により、USLNは統計のガイダンスにより、必要なネットワーク容量を大幅に削減することが示された。
論文 参考訳（メタデータ） (2022-09-06T05:05:44Z) - Wavelength-based Attributed Deep Neural Network for Underwater Image
Restoration [9.378355457555319]
本稿では,色チャネルの移動範囲に基づいて,適切な受容場サイズ(コンテキスト)を付与することで,大幅な性能向上が期待できることを示す。
第2の新規性として、学習したマルチコンテキスト特徴を適応的に洗練するための注意的スキップ機構を組み込んだ。
提案するフレームワークはDeep WaveNetと呼ばれ、従来のピクセル単位で機能ベースのコスト関数を使って最適化されている。
論文 参考訳（メタデータ） (2021-06-15T06:47:51Z) - Underwater Image Enhancement via Medium Transmission-Guided Multi-Color
Space Embedding [88.46682991985907]
本稿では,Ucolor と呼ばれる媒体透過誘導多色空間埋め込みによる水中画像強調ネットワークを提案する。
当社のネットワークは、複数の色空間を埋め込むことにより、水中画像の視覚的品質を効果的に改善できます。
論文 参考訳（メタデータ） (2021-04-27T07:35:30Z) - Asymmetric CNN for image super-resolution [102.96131810686231]
深層畳み込みニューラルネットワーク(CNN)は、過去5年間で低レベルビジョンに広く適用されています。
画像超解像のための非対称ブロック(AB)、mem?ory拡張ブロック(MEB)、高周波数特徴強調ブロック(HFFEB)からなる非対称CNN(ACNet)を提案する。
我々のACNetは、ブラインドノイズの単一画像超解像(SISR)、ブラインドSISR、ブラインドSISRを効果的に処理できる。
論文 参考訳（メタデータ） (2021-03-25T07:10:46Z) - Low Light Image Enhancement via Global and Local Context Modeling [164.85287246243956]
低照度画像強調のためのコンテキスト認識ディープネットワークを導入。
まず、全空間領域上の補完的な手がかりを見つけるために空間相関をモデル化するグローバルコンテキストモジュールを特徴とする。
第二に、比較的大きな受容フィールドで局所的なコンテキストをキャプチャする密な残留ブロックを導入する。
論文 参考訳（メタデータ） (2021-01-04T09:40:54Z) - Learning to Structure an Image with Few Colors [59.34619548026885]
そこで,カラー量子化ネットワークであるColorCNNを提案する。
1ビットのカラースペース(すなわち2色)だけで、提案されたネットワークはCIFAR10データセット上で82.1%のトップ-1の精度を達成した。
アプリケーションの場合、PNGでエンコードされた場合、提案したカラー量子化は、極低ビットレート方式の他の画像圧縮方法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-03-17T17:56:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。