【技术实现步骤摘要】
基于多模态损失函数U型编解码网络的图像增强方法
[0001]本专利技术属于暗光彩色图像增强领域,具体为一种基于多模态损失函数
U
型编解码网络的图像增强方法
。
技术介绍
[0002]随着光电技术的发展及相关产业的兴起,光电探测技术在军事探测
、
城市安防
、
环境监测
、
特种监控等领域得到了广泛的应用以及空前的发展
。
传统的光电成像技术使用目标物反射或辐射的电磁波作为信号源,对需要识别的目标进行检测识别与追踪
。
然而,随着人们对成像信息的要求不断升高,传统的光电成像技术已经无法满足日益增长的需求:在实际的使用场景中,周围环境里存在的背景杂波,光照变化,障碍遮挡等可能对传统的光电成像技术造成干扰
。
例如:在军事探测中,若目标辐射与背景辐射相似或背景辐射过强,则很难在背景杂波中准确高效地识别出目标;亦或目标使用了光学遮挡伪装,那么传统的光电成像技术是束手无策的;再或目标处于水中,则水的散射作用会导致极大的误差
。
简单来说,实际探测场景中的干扰会大幅提升识别的复杂度,使得目标与非目标之间的光学特性差异被大大弱化,出现明显的灰度响应混叠现象,进而导致传统光电成像技术的的识别效率出现大幅下降,甚至产生严重错误
。
[0003]偏振是光的重要物理特性之一,地表或大气中的目标在反射
、
散射
、
透射和辐射电磁波时会产生由自身特性所决定的 ...
【技术保护点】
【技术特征摘要】
1.
一种基于多模态损失函数
U
型编解码网络的图像增强方法,其特征在于,包括以下步骤:步骤
1、
根据
U
型编解码网络特点构建图像增强网络
PolarUnet
;步骤
2、
构建图像增强网络
PolarUnet
的损失函数;步骤
3、
初始化图像增强网络
PolarUnet
参数;步骤
4、
对真值图像添加高斯噪声得到训练图像,将训练图像输入到图像增强网络
PolarUnet
中,对图像增强网络
PolarUnet
进行训练直到损失函数收敛,得到训练好的
PolarUnet
网络模型;步骤
5、
将待增强图像输入到步骤5中训练好的
PolarUnet
网络进行图像去噪处理
。2.
根据权利要求1所述的基于多模态损失函数
U
型编解码网络的图像增强方法,其特征在于,构建图像增强网络
PolarUnet
的具体步骤如下:步骤
1.1、
网络的整体结构为对称的特征提取网络和特征融合网络以及底层卷积网络
。
对应层的特征提取网络和特征融合网络中的数据形状一致
。
每一层特征提取网络的通道数是前一层的2倍,高与宽是前一层的每一层特征融合网络的通道数是后一层的2倍,高与宽是后一层的传入数据为三通道
S0
图像与三通道
Dolp
图像在通道维度组合成的六通道图像;步骤
1.2、
构建四层特征提取网络,每层特征提取网络由两个3×3的卷积层和一个2×2的最大池化层构成;每一层网络先进行两次3×3卷积,再通过2×2最大池化,前三层网络输出传入下一层特征提取网络
、
最后一层输出传入底层卷积网络;步骤
1.3、
构建底层卷积网络由两个3×3的卷积层构成,输出传入第一层特征融合网络;步骤
1.4、
构建四层特征融合网络,每层特征融合网络由一个2×2上采样卷积层
、
一个特征拼接层和两个3×3卷积层构成;先进行2×2反卷积,并与对应的特征提取层卷积后的特征图进行特征融合,再进行两次3×3卷积,前三层输出传入下一层特征融合网络,最后一层输出通过1×1卷积层恢复为6通...
【专利技术属性】
技术研发人员:葛骏宇,陈昊,朱兴程,顾国华,万敏杰,徐秀钰,王佳节,韶阿俊,
申请(专利权)人:南京理工大学,
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。