声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：44-1683/S
国际刊号：2095-0780
发布日期:
作者：郑浩君, 王振, 张佳鹏, 刘胜男, 钱程, 涂雪滢, 刘世晶
关键词：多浑浊度图像, 水下图像增强, 注意力模块, 星型生成对抗网络
围绕水下图像色偏和模糊的特点，针对不同浑浊度的水下图像差异较大问题，提出了一种基于混合注意力模块 (Convolutional block attention module, CBAM) 改进的星型生成对抗网络 (Star generative adversarial networks, StarGAN) 用于水下多浑浊图像增强。首先使用水下相机采集实验室和养殖平台环境2组水下多浊度图像数据集；其次优化StarGAN，在每个ResidualBlock模块后引入一个由通道注意力模块和空间注意力模块串联组成的CBAM；最后进行消融实验，并与其他方法比较，使用水下图像质量评估 (Underwater image quality measurement, UIQM)、水下彩色图像质量评估 (Underwater color image quality evaluation, UCIQE) 和图像熵作为图像质量评价指标。结果表明，实验室数据集增强后，UIQM达到1.18，UCIQE达到30.13，图像熵达到12.83；养殖平台数据集增强后，UIQM达到0.52，UCIQE达到10.35，图像熵达到9.94。该方法对实验室和养殖平台环境中不同浑浊度的图像增强均有较好的效果，在消融实验及与其他方法的比较中，该方法的得分均为最高。
来源：2025年第1期
《南方水产科学》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。