一种基于深度神经网络的海洋勘测图像质量增强方法技术

一种基于深度神经网络的海洋勘测图像质量增强方法，其特征在于包括以下步骤：步骤一，原始图像预处理：采用手动或边缘检测算法采集海洋勘测的原始图像进行图像的轮廓信息；步骤二，图像的增强处理；步骤三，生成高分辨率图像：深度神经网络DNN模型的最后一个层块将增强处理后的图像经过加权处理全局特征和原始图像像素，得到高分辨率图像。通过对原始低质量、高噪声的图像进行采样标记，然后在一个多层可训练的深度神经网络(DNN)模型中进行推算处理，进而生成高分辨率的图像，最后将生成的高分辨率图像与原始图像拼接并形成一个具有高清晰度和高信噪比的海洋勘测图像。

【技术实现步骤摘要】
一种基于深度神经网络的海洋勘测图像质量增强方法
本专利技术涉及一种基于深度神经网络的海洋勘测图像质量增强方法，属于图像处理

技术介绍
随着GPU和TPU的不断发展，深度神经网络(DNN)在对象分类，对象检测和图像质量改善方面表现出明显的优势，目前卷积神经网络(CNN)在图像处理中的应用越来越广泛。虽然这些系统在不同领域的应用中展现了一些图像信号处理能力，但海洋勘测依赖于水下遥控设备(ROV)上的摄像头来捕捉图像画面，由于水、照明和设备视野中微粒/气泡的干扰，成像效果并不理想，因此在海洋勘测领域并没有相应图像质量增强系统的应用。另外在我国南海拥有的九段线以内数百万平方公里的领海，有诸多资源等待开发利用，而海洋勘测又扮演的举足轻重的角色，本专利技术给高质量，高精度的海洋勘测提供了一种可能性，应用前景广泛。
技术实现思路
本专利技术为了解决现有技术中存在的上述缺陷和不足，提供了一种基于深度神经网络的海洋勘测图像质量增强方法。为解决上述技术问题，本专利技术提供一种基于深度神经网络的海洋勘测图像质量增强方法，包括以下本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的海洋勘测图像质量增强方法，其特征在于包括以下步骤：/n步骤一，原始图像预处理：采用手动或边缘检测算法采集海洋勘测的原始图像进行图像的轮廓信息；/n步骤二，图像的增强处理；/n2.1建立具有若干个结构相同层块的深度神经网络DNN模型；/n2.2将步骤一所选轮廓内的图像输入深度神经网络DNN模型内，由深度神经网络DNN模型内不同的层块依次提取所选轮廓内图像不同的局部特征信息；/n2.3深度神经网络DNN模型将每个层块提取的局部特征信息和该层块的标记数据进行匹配，并将匹配度最高的局部特征信息进行权重的分配；/n步骤三，生成高分辨率图像：深度神经网络DNN模型的最后一个层块将...

【技术特征摘要】
1.一种基于深度神经网络的海洋勘测图像质量增强方法，其特征在于包括以下步骤：
步骤一，原始图像预处理：采用手动或边缘检测算法采集海洋勘测的原始图像进行图像的轮廓信息；
步骤二，图像的增强处理；
2.1建立具有若干个结构相同层块的深度神经网络DNN模型；
2.2将步骤一所选轮廓内的图像输入深度神经网络DNN模型内，由深度神经网络DNN模型内不同的层块依次提取所选轮廓内图像不同的局部特征信息；
2.3深度神经网络DNN模型将每个层块提取的局部特征信息和该层块的标记数据进行匹配，并将匹配度最高的局部特征信息进行权重的分配；
步骤三，生成高分辨率图像：深度神经网络DNN模型的最后一个层块将增强处理后的图像经过加权处理全局特征和原始图像像素，得到高分辨率图像。


2.根据权利要求1所述的基于深度神经网络的海洋勘测图像质量增强方法，其特征在于：步骤2.1还包括对深度神经网络DNN的训练过程，具体如下：
2.11对海洋勘测区域进行远端和近端图像采集，选取图像轮廓，并对所选轮廓内的图像提取RGB数据和位置信息，并把RGB数据和位置信息带入哈希函数，分别生成远端和近端所选轮廓内图像的压缩签名或密钥；
2.12利用余弦相似度检测的方法，将远端和近端图像的压缩签名或密钥匹配进行匹配，生成远端模糊图像和近端具有细节特征图像的匹配对，再通过人工标注的方法对匹配对进行分类，其中清晰度高的图像的标记数据为“正”，清晰度低的图像的标记数据为“负”；

【专利技术属性】
技术研发人员：王力劭，程小葛，刘诗炜，刘乔玮，郝日明，
申请(专利权)人：海略连云港科技有限公司，
类型：发明
国别省市：江苏;32