水下图像增强基准数据集及其他数据集
- 前言
- 引言
- 贡献
- 现有方法、评估指标和数据集：概述
- 水下增强方法
- 基于补充信息的方法
- 基于非物理模型的方法
- 基于物理模型的方法
- 数据驱动的方法
- 水下图像质量评估
- 完整参考指标
前言
大多数已经提出的水下增强算法都是使用合成数据集或少数选定的真实世界图像，这使得我们无法估计算法在真实环境下的表现。为了解决这个问题，我们提出了UIEB数据集，包括 950 张真实水下图像，其中 890 张有相应的参考图像。 我们将其余60张无法获得满意参考图像的水下图像视为具有挑战性的数据。我们使用这个数据集评估了许多先进的水下图像增强的算法。
此外，我们还提出了一个新的水下图像增强网络Water-Net，它使用这个数据集进行训练。
引言
通常，水下图像会因波长相关的吸收和散射（包括前向散射和后向散射）而退化。海水中的漂浮物也会引入噪音并增加散射的影响。为了解决这个问题，早期的方法依赖于多个水下图像或偏振滤波器，而最近的算法仅使用来自单个图像的信息来处理这个问题。
由于缺乏公开可用的真实水下图像数据集，现在提出的算法都不太令人满意。此外，实际上不可能同时拍摄真实的水下场景和不同水类型的相应地面实况图像。
贡献
（1）构造了UIEB数据集
（2）使用UIEB数据集验证了很多先进的算法
（3）提出了Water-Net网络
现有方法、评估指标和数据集：概述
水下增强方法
已经提出了多种方法，并且可以分为四组：基于补充信息的方法、基于非物理模型的方法、基于物理模型的方法和
