近日，中国科学院合肥物质院智能所智慧农业研究中心王儒敬研究员团队提出了一种基于多尺度空间特征的水下图像增强方法。相关研究成果以“A Multi-scale feature modulation network for efficient underwater image enhancement”为题发表在计算机科学领域期刊Journal of King Saud University - Computer and Information Sciences上。
高质量图像对于水下渔业监测、环境和物种保护等领域具有重要意义。然而，现有绝大多数基于深度学习的水下图像增强网络与内存和计算能力低的水下设备平台相冲突。为了解决这个问题，团队提出一个简单而有效的多尺度特征调制网络（MFMN），以实现更好地在模型的效率和重构性能之间的权衡。具体来说，科研团队在一个类似于视觉变压器（VIT）的模块上开发了一个多尺度调制模块，在该模块中使用多尺度空间特征模块提取输入图像的特征，动态选择图像特征空间中的代表性特征；此外，由于多尺度空间特征模块从图像的空间角度来处理图像特征缺乏通道特征信息，团队进一步引入了通道混合模块来执行通道混合。实验结果表明，该方法在网络参数方面比目前最先进的水下图像增强方法要小8.5倍，实现了基本相同性能下的较低计算成本。
郑世健博士生为论文第一作者，汪六三副研究员为论文通讯作者。该项研究工作得到了国家自然科学基金、国家重点研发计划的支持。
论文链接：https://www.sciencedirect.com/science/article/pii/S1319157823004421
图1 MFMN网络结构
