【技术实现步骤摘要】
一种仿生机器鱼水下视觉图像增强方法及系统
本申请涉及图像增强
，特别是涉及一种仿生机器鱼水下视觉图像增强方法及系统。
技术介绍
本部分的陈述仅仅是提到了与本申请相关的
技术介绍
，并不必然构成现有技术。近年来，随着陆地资源匮乏日益严重，人们越来越多的关注到丰富的海洋资源。由于原有的水下检测、作业、运载装置难以满足复杂水下作业任务的需求，因此加速了水下机器人的研发工作。仿生机器鱼作为鱼类推进机理和机器人技术的结合点，为研制新型的水下航行器提供了一种新思路，具有重要的研究价值和应用前景。在进行水下检测、作业等任务时，需要用到机器鱼视觉来满足进行复杂情况的任务需求。专利技术人发现，现阶段仿生机器鱼视觉，由于受到水下光照、水下环境、水体质量等因素影响，尚不能很好的将摄像头获取到的画面清晰的呈现出来，导致仿生机器鱼视觉效果不好。
技术实现思路
为了解决现有技术的不足，本申请提供了一种仿生机器鱼水下视觉图像增强方法及系统；第一方面，本申请提供了一种仿生机器鱼水下视觉图像增强方法；一种...
【技术保护点】
1.一种仿生机器鱼水下视觉图像增强方法，包括：/n利用仿生机器鱼获取原始目标图像；/n对原始目标图像采用非线性映射的方式进行预处理；/n将原始目标图像输入到预先训练好的深度卷积生成对抗网络DCGAN中，输出增强后的初始目标图像。/n
【技术特征摘要】 【专利技术属性】
1.一种仿生机器鱼水下视觉图像增强方法，包括：
利用仿生机器鱼获取原始目标图像；
对原始目标图像采用非线性映射的方式进行预处理；
将原始目标图像输入到预先训练好的深度卷积生成对抗网络DCGAN中，输出增强后的初始目标图像。
2.如权利要求1所述的方法，其特征是，所述方法还包括：
将增强后的初始目标图像与原始目标图像进行融合，得到最终增强后的目标图像。
3.如权利要求1所述的方法，其特征是，对原始目标图像采用非线性映射的方式进行预处理；具体步骤包括：
对原始目标图像进行卷积运算处理；
使用群组归一化将卷积结果进行规范化操作；
使用激活函数对规范化后的卷积结果进行处理。
4.如权利要求1所述的方法，其特征是，将原始目标图像输入到预先训练好的深度卷积生成对抗网络DCGAN中，输出增强后的初始目标图像；其中，预先训练好的深度卷积生成对抗网络DCGAN的训练步骤包括：
构建深度卷积生成对抗网络DCGAN；所述深度卷积生成对抗网络DCGAN为具有U-Net结构的深度卷积生成对抗网络DCGAN；
构建训练集，利用训练集对深度卷积生成对抗网络DCGAN进行训练，在训练的过程中，生成网络生成图像，生成网络将生成图像输入到判别网络中，同时还将正常照度的图像也输入到判别网络中，判别网络对图像的真假进行判断，当损失函数达到最小值时，得到训练好的深度卷积生成对抗网络；
或者，
所述训练集，构建过程包括：
从COCO数据库中选取N张正常照度的图像；对N张正常照度的图像进行雾化、添加噪声或高斯模糊处理得到N张低照度图像；将N张正常照度的图像与N张低照度的图像进行标签化处理，然后按比例划分为训练集、测试集和验证集；
或者，
训练结束的标准为深度卷积生成对抗网络DCGAN的总损失函数达到最小值时，停止训练；否则，继续训练；
所述深度卷积生成对抗网络DCGAN的总损失函数，包括：
均方误差MSE损失函数、生成网络的重建损失函数adv和判别网络的对抗损失函数；
或者，
技术研发人员：汪明，张宜阳，常征，卫正，逯广浩，谢浩田，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。