Szczegóły publikacji

Opis bibliograficzny

Depth-guided lightweight CNN for underwater image enhancement using dark channel prior and spectral saliency — Lekka sieć CNN z prowadzeniem głębiowym do poprawy jakości obrazów podwodnych z wykorzystaniem priorytetu ciemnego kanału i istotności spektralnej / Mehr Un NISA, Lallouani Bouchakour, Dawid JUSZKA, Yi Zhang, Mikołaj LESZCZUK // Przegląd Telekomunikacyjny, Wiadomości Telekomunikacyjne ; ISSN  1230-3496 . — 2026 — R. 98 [powinno być 99] nr 4, s. 509–512. — Bibliogr. s. 512, Abstr., Streszcz. — KRiT 2026 : Konferencja Radiokomunikacji i Teleinformatyki : 23–25 września 2026, Wrocław

Autorzy (5)

Słowa kluczowe

EN: depth estimationimage restorationlightweight CNNunderwater image enhancementsaliency detectionDark Channel Prior
PL: poprawa jakości obrazów podwodnychdetekcja istotnościestymacja głębirekonstrukcja obrazulekka sieć CNNpriorytet ciemnego kanału

Dane bibliometryczne

ID BaDAP170272
Data dodania do BaDAP2026-09-28
Tekst źródłowyURL
DOI10.15199/59.2026.4.118
Rok publikacji2026
Typ publikacjireferat w czasopiśmie
Otwarty dostęptak
Creative Commons
Czasopismo/seriaPrzegląd Telekomunikacyjny, Wiadomości Telekomunikacyjne

Abstract

Underwater image enhancement is challenged by color distortion, light scattering, and low contrast. We propose a lightweight depth-guided CNN that combines physics-inspired priors: Dark Channel Prior-based depth estimation and spectral residual saliency. The depth map provides attenuation-aware structural cues, while saliency emphasizes visually important regions. The encoderdecoder model is trained with a unified loss that combines RGB reconstruction and depth consistency. Experiments show better perceptual quality than the baseline, with higher UIQM, UCIQE, NIQ, and entropy scores.

Streszczenie

Poprawa jakości obrazów podwodnych jest utrudniona przez zniekształcenia barw, rozpraszanie światła i niski kontrast. Proponujemy lekką sieć CNN z prowadzeniem głębiowym, łączącą priorytety inspirowane fizyką: estymację głębi opartą na Dark Channel Prior oraz mapę istotności spektralnej. Mapa głębi dostarcza informacji o tłumieniu zależnym od odległości, a mapa istotności wzmacnia wizualnie ważne obszary. Model typu enkoder–dekoder uczony jest funkcją straty łączącą rekonstrukcję RGB i spójność głębi. Wyniki eksperymentalne wskazują poprawę jakości percepcyjnej względem modelu bazowego, potwierdzoną wyższymi wartościami UIQM, UCIQE, NIQ i entropii.

Publikacje, które mogą Cię zainteresować

artykuł
#170731Data dodania: 18.11.2026
Lekka sieć CNN z prowadzeniem głębiowym do poprawy jakości obrazów podwodnych z wykorzystaniem priorytetu ciemnego kanału i istotności spektralnej — Depth-guided lightweight CNN for underwater image enhancement using dark channel prior and spectral saliency / Mehr Un NISA, Lallouani Bouchakour, Dawid JUSZKA, Yi Zhang, Mikołaj LESZCZUK // Przegląd Telekomunikacyjny, Wiadomości Telekomunikacyjne ; ISSN  1230-3496 . — 2026 — R. 98 nr 4, s. 509–512. — Bibliogr. s. 512, Streszcz., Abstr. — W artykule podano błędny rocznik czasopisma. — KRiT 2026 : Konferencja Radiokomunikacji i Teleinformatyki : 23–25 września 2026, Wrocław
artykuł
#161992Data dodania: 4.9.2025
Underwater image enhancement with deep learning: a MOS-guided, multi-criteria loss function approach — Ulepszanie obrazów podwodnych z użyciem głębokiego uczenia: podejście z wielokryterialną funkcją strat sterowaną wynikami MOS / Mehr Un NISA, Lallouani Bouchakour, Dawid JUSZKA, Yi Zhang, Mikołaj LESZCZUK // Przegląd Telekomunikacyjny, Wiadomości Telekomunikacyjne ; ISSN  1230-3496 . — 2025 — R. 98 nr 4, s. 503–506. — Bibliogr. s. 506, Streszcz., Abstr. — Błędny zapis nazwiska: Mehrunnisa. — KRiT 2025 : Konferencja Radiokomunikacji i Teleinformatyki : Gdańsk, 10–12 września 2025