watergan 可以把空气中的正常图像通过gan网络生成水下图像

水下图像热干扰数据集.zip

针对水下光学彩色图像的模糊和颜色失真问题, 提出一种基于透射率优化和色温调节的水下图像复原方法。将大气光暗原色先验去雾算法应用到水下光学成像模型中实现水下图像清晰化, 采用引导滤波提高透射率的估计精度, 然后通过设置阈值参数区分水下光学图像中的明亮区域与非明亮区域, 对透射率进行优化处理得到自适应还原图像。最后通过调整图像估计灰度轴的位置对图像进行色温调节还原图像的颜色。实验结果表明, 该算法不仅可以有效提高图像的清晰度, 还可以对图像进行准确的颜色纠正。相比于其他算法, 该算法实现效果好, 具有更好的稳健性。

机器学习作业，用神经网络、决策树、SVM实现对水下图像特征的分类MATLAB程序（含数据集）。神经网络程序有两个隐含层和一个隐含层的。决策树用的ID3算法。SVM用的MATLAB自带的fitcSVM。

资料库（IROS 2020） • •• • • SUIM数据集 用于自然水下图像的语义分割 1525张带注释的图像用于训练/验证，110个样本用于测试 BW ：背景/水体• HD ：潜水员• PF ：水生植物和海草• WR ：残骸/废墟 RO ：机器人/仪器• RI ：礁石/无脊椎动物• FV ：鱼类和脊椎动物• SR ：海底/岩石 SUIM-Net模型 全卷积编码器-解码器网络 SUIM-Net（RSB）：简单轻巧的模型； 快速提供合理的性能 SUIM-Net（VGG）：提供更好的泛化性能 详细的体系结构在; 还提供了相关的培训/测试脚本 脚本用于性能评估 基准评估 语义分割和显着性预测的性能分析 SOTA车型比较：• • • • • 指标：•区域相似度（F得分）和•轮廓精度（mIOU） 下载实验数据和检查点数据 书目录入 @inproceedings{islam2020s

通过SRCNN进行水下图像增强 一种水下图像增强方法和相应的图像超分辨率算法。 使用的算法： 图像增强技术。 超分辨率卷积神经网络 Retinex算法伽玛校正。 黑暗先验。 进一步阅读：使用SRCNN.pptx进行水下图像增强 SRCNN训练模型：my_modelSRCNN.h5 用于实施的参考文件：Underwater2.pdf

欠图像融合增强：纸算法实现：《水下图像增强的色彩平衡与融合》

underwater_image_fusion：水下图像增强融合算法-matlab

uwSim：水下图像系统仿真

为提升不同颜色水下图像的增强效果,提出一种基于条件生成对抗网络的水下图像增强方法。该网络在生成模型中加入残差密集块中的残差模块,其密集级联和残差连接可以提取图像的特征信息,改善梯度消失现象;在目标函数中增加两种新的损失函数建立网络模型,使得增强后的图像与输入图像的内容和结构保持一致。实验结果表明,所提方法对不同颜色水下图像的增强效果优于现有算法,具有更好的视觉效果。