一种基于深度学习的水下图像恢复方法技术

本发明专利技术公开了一种基于深度学习的水下图像恢复方法，属于深度学习和图像处理领域。本发明专利技术是基于水下物理模型的水下图像复原方法，创新性地通过将水下物理模型与深度学习相结合的方式，实现对水下退化图像的结构恢复和颜色校正。该发明专利技术首先使用暗通道先验模型获取水下退化图像的水下散射图和水下透射率图，然后通过结构恢复网络实现对水下退化图像的物理复原，最后使用颜色校正网络完成对水下退化图像的最终复原。本发明专利技术所述方法可以实现对水下退化图像的结构恢复和颜色校正，对在低照度条件下拍摄的水下图像具有很好的适应能力，解决了水下退化图像的结构退化、颜色失真等问题。颜色失真等问题。颜色失真等问题。

【技术实现步骤摘要】
一种基于深度学习的水下图像恢复方法


[0001]本专利技术属于深度学习和图像处理领域，具体涉及一种基于深度学习的水下图像恢复方法。

技术介绍

[0002]水下图像处理在水下作业项目中是一个热门的话题，也是水下机器人发展的基础。水下图像受到水对光的吸收以及水中悬浮粒子对光的散射(前向散射与后向散射)，导致所捕获的图像可见度低、模糊、对比度下降以及产生色偏，这对水下作业任务带来了严峻的挑战。
[0003]在现行的技术中，传统的图像处理算法难以恢复出图像的边缘信息和颜色信息。此外，面对复杂的水下环境，传统水下图像复原方法不具备普适性和迁移性，且受不均匀光照影响较大。另一方面，利用深度学习技术进行图像增强的方法往往不能很好地从机理上去解决水下图像模糊不清、边缘对比度信息丢失等问题。
[0004]因此，需要一种结合深度学习技术和水下物理成像模型的方法，从物理上实现对水下图像的恢复，解决水下图像可见度低、色偏、对比度低、模糊等诸多问题，且增加网络模型的泛化性和实用性。

技术实现思路

[0005]本专利技术提供了一种基于深度学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的水下图像恢复方法，其特征在于，包括以下步骤：步骤1，将水下退化图像I(z)输入到暗通道先验(Dark Channel Prior，DCP)模型中，得到水下退化图像的水下透射率图t(z)和水下散射图B(z)，并将其标注为目标图像作为辅助训练标签；步骤2，结构恢复网络(Structure Restoration Network，SRN)训练：该结构恢复网络主要用于水下图像结构恢复；其中，该步骤又可以分为如下4个步骤：步骤2
‑
1，利用步骤1中的暗通道先验模型得出水下退化图像I(z)的先验图像，即暗通道图D(x)、水下散射图B(z)和水下透射率图t(z)：(1)暗通道图D(x)其中，x表示图像的每个像素点坐标，Ω(x)表示以x为中心的一块领域区域，c表示图像的R、G、B三个通道；(2)水下散色图B(z)从D(x)中按照亮度的大小取前0.1％的像素点位置Γ{D(x)}，再从I(z)中寻找与Γ{D(x)}在对应位置且数量最多的像素值作为B(z)；(3)水下透射率图t(z)其中，z表示图像的每个像素点坐标，Ω(z)表示以z为中心的一块领域区域，w是一个常数；步骤2
‑
2，将I(z)作为残差密集网络(Residual Dense Network，RDN)的输入，并使用步骤2
‑
1得到的水下透射率图t(z)作为该网络模型的目标图像；步骤2
‑
3，将I(z)作为U
‑
Net网络的输入，并使用步骤2
‑
...

【专利技术属性】
技术研发人员：张昌华，杨兴，左琳，刘宇，徐冯杰，刘斌，罗茂林，胡建，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：