Szczegóły publikacji

Opis bibliograficzny

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

Autorzy (5)

Słowa kluczowe

EN: underwater image enhancementDark Channel Priorsaliency detectionlightweight CNNimage restorationdepth estimation
PL: poprawa jakości obrazów podwodnychpriorytet ciemnego kanałudetekcja istotnościlekka sieć CNNrekonstrukcja obrazuestymacja głębi

Dane bibliometryczne

ID BaDAP170731
Data dodania do BaDAP2026-11-18
Tekst źródłowyURL
DOI10.15199/59.2026.4.118
Rok publikacji2026
Typ publikacjireferat w czasopiśmie
Otwarty dostęptak
Creative Commons
Czasopismo/seriaPrzegląd Telekomunikacyjny, Wiadomości Telekomunikacyjne

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.

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.

Publikacje, które mogą Cię zainteresować

artykuł
#170272Data dodania: 28.9.2026
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
artykuł
#170726Data dodania: 18.11.2026
Projektowanie zbiorów danych dla poprawy jakości obrazów podwodnych: analiza wpływu podobieństwa próbek na skuteczność modeli AI — Dataset design for underwater image enhancement: an analysis of sample similarity effects on AI model performance / Doğukan ÖZTÜRK, Dawid JUSZKA // Przegląd Telekomunikacyjny, Wiadomości Telekomunikacyjne ; ISSN  1230-3496 . — 2026 — R. 98 nr 4, s. 489–492. — Bibliogr. s. 492, Streszcz., Abstr. — W artykule podano błędny rocznik czasopisma. — KRiT 2026 : Konferencja Radiokomunikacji i Teleinformatyki : 23–25 września 2026, Wrocław