Water-Net：水下图像增强基准数据集（UIEB Dataset）2019年TIP顶刊论文

IEEE Transactions on Image Processing
CCF推荐国际学术期刊A类（计算机图形学与多媒体）
作者单位：天津大学
Water-Net 它是一种门控融合（gated fusion）的卷积神经网络，在UIEB数据集上进行水下图像增强。为了适应退化的水下图像的特性，Water-Net模型通过三种方法增强输入图像，分别是白平衡（WB）、伽马矫正（GC）和直方图均衡（HE）。但是这是一个复杂的CNN结构，受到反向散射的影响。

项目地址：https://li-chongyi.github.io/proj_benchmark.html

Water-Net是一个门控融合网络，它将输入与预测的置信度图融合以实现增强的结果。输入首先通过特征转换单元（FTU）传输到精炼输入，然后预测置信度图。最后，通过融合改进的输入和相应的置信度图来获得增强的结果。