【技术实现步骤摘要】
一种基于改进生成对抗网络模型的水下图像修复方法
[0001]本专利技术涉及,特别涉及一种基于改进生成对抗网络模型的水下图像修复方法
。
技术介绍
[0002]由于陆地资源的大量消耗,对海洋资源的开发日益迫切
。
水下图像是海洋信息的载体,对获取海洋信息和资源勘测有着重要的意义
。
不同波长的光在水下传播有着不同的衰减率,其中,波长最长的红光在水中衰减最快,波长较短的蓝绿光衰减相对较慢,所以水下图像通常呈现蓝绿色
。
此外,由于光的散射作用,导致水下图像还有着对比度低,清晰度模糊的特点
。
因此,如何解决水下图像色彩失真
、
细节丢失
、
对比度低是当前面临的主要挑战
。
[0003]目前,水下图像增强方法一般分为传统方法和数据驱动的方法
。
而传统方法主要分为两种:一种是通过像素点来增强图像,此类算法在一定程度上提高了图像的视觉效果,然而,此类方法计算成本较高,增强效果不稳定
。
另一种是基于物理模型对图像进行增强,此类方法通过水下图像退化过程进行具体的数学建模,根据模型估算未知参数,此类方法过度依赖成像模型和先验信息,对不同场景下的水下图像泛化能力较差,图像增强效果不佳
。
技术实现思路
[0004]专利技术目的:针对以上问题,本专利技术目的是提供一种基于改进生成对抗网络模型的水下图像修复方法
。
[0005]技术方案:本专利 ...
【技术保护点】
【技术特征摘要】
1.
一种基于改进生成对抗网络模型的水下图像修复方法,其特征在于,包括以下步骤:步骤1,获得待处理的水下图像;步骤2,构建生成对抗网络模型,并利用水下图像样本数据集的图像样本训练生成对抗网络模型,将训练之后的生成对抗网络模型作为水下图像修复模型;其中,生成对抗网络模型包括生成器和判别器,生成器包括第一编码块
、
第二编码块
、
多尺度三重注意力模块以及解码块,第一编码块的输出端连接多尺度三重注意力模块的输入端,多尺度三重注意力模块的输出端和第二编码块的输出端分别连接解码块的输入端,将解码器的输出端输出图像作为生成器生成的图像;步骤3,将待处理的水下图像输入至水下图像修复模型中,利用生成器生成图像,完成水下图像的修复
。2.
根据权利要求1所述的基于改进生成对抗网络模型的水下图像修复方法,其特征在于,利用水下图像样本数据集的图像样本训练生成对抗网络模型的步骤包括:将图像样本输入至生成器,然后将真实图像和生成器输出的图像输入至判别器,将生成器和判别器之间交替迭代,达到纳什均衡状态且损失函数数值符合设定时,完成训练
。3.
根据权利要求2所述的基于改进生成对抗网络模型的水下图像修复方法,其特征在于,在生成对抗网络模型训练过程中,损失函数的计算过程包括计算对抗损失
、L1
损失以及内容感知损失,其中利用对抗损失捕获高频特征,利用
L1
损失捕获低频特征,利用内容感知损失获得真实的图像,计算过程如下:计算对抗损失的表达式为:
L
GAN
=
E(y){log[D(y)]}+E(x){log{1
‑
D[G(x,z)]}}
式中,
y
为参考图像,
E
表示数学期望,
D
为判别器,
G
为生成器,
x
为水下图像,
z
为水下白平衡图像,
G(x,z)
表示生成器生成的假样本,
D[G(x,z)]
是判别器判断生成器生成的样本为真或假,真实图像判别为1,生成的假图像判别为0;计算
L1
损失的表达式为:<...
【专利技术属性】
技术研发人员:陆康,陈海秀,何珊珊,房威志,黄仔洁,陆成,
申请(专利权)人:南京信息工程大学,
类型:发明
国别省市:
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。