一种基于多尺度特征融合的轻量级水下图像增强方法技术

本发明专利技术公开了一种基于多尺度特征融合的轻量级水下图像增强方法。考虑到水下光学图像的成像过程受到水的吸收、散射和波动等因素的显著影响，导致图像存在颜色偏移、噪声明显和对比度下降等问题。为此本发明专利技术提出了一种轻量级的水下图像增强方法。该方法结合水下图像成像特点设计低参数量、低时延的水下图像增强网络UIE‑LNet。本文引入颜色空间拉伸模块校正颜色失真，并在输出端结合颜色空间拉伸模块和像素注意力机制，解决水下图像颜色退化问题、提升对图像元素和细节的理解并且提高模型的泛化能力；同时设计结构与细节特征并行提取模块，解决水下图像结构退化问题；然后提出了一个多尺度特征融合模块，解决单个特征方面捕获图像细节信息不充分问题。本发明专利技术的优势在于，相较于前沿水下图像检测算法，本方法在具有较低参数量的同时保证增强图像在全局内容、局部纹理、风格特征等方面和清晰图像一致，更加适用于水下图像增强任务。

【技术实现步骤摘要】

本专利技术属于水下图像增强领域，涉及一种基于多尺度特征融合的轻量级水下图像增强方法。

技术介绍

1、水下光学图像记录了纷繁复杂的水下世界，承载了丰富的水下信息，是在水下环境中获取的图像，是海洋勘探、水下考古和环境监测的重要手段。然而，水下光学图像的成像过程受到水的吸收、散射和波动等因素的显著影响，导致图像存在颜色偏移、噪声明显和对比度下降等问题，影响水下光学图像的直观理解和准确分析，限制了实际应用中的效用。因此，研究水下图像增强技术，提供色彩均衡、纹理清晰的水下图像，对水下多领域发展具有重要的应用前景和科学意义。

2、水下图像增强是一种针对水下环境下图像质量差的问题而设计的技术，通过在图像处理过程中添加去噪、增强亮度和对比度等算法，以提高图像的可视性和清晰度，一般可以分为两类，一类是基于传统方法的增强技术，另一类是基于深度学习的增强技术。基于传统方法的水下图像增强一方面是基于物理模型引入视觉先验估计水下光学参数，但是在多变和复杂的水下环境中，这些先验并非恒定不变；另一方面基于统计学方法直接调整像素值提高图像质量，例如白平衡、直方图拉伸等方法，但本文档来自技高网...

【技术保护点】

1.一种基于多尺度特征融合的轻量级水下图像增强方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的融合颜色校正与结构特征提取模块的轻量级的水下图像增强方法，其特征在于，步骤2中构建在RGB空间进行颜色校正的CS-SM模块和由不同空洞率的卷积核组成的SDFE模块，其处理水下图像的步骤如下：CS-SM模块首先，采用直方图拉伸方法，通过线性方式扩展调整图像的像素值分布范围，将图像的像素值拉伸到整个亮度范围内，使得亮的部分更亮、暗的部分更暗，图像的整体明暗分布更加均匀，细节更加清晰可见。该模块包含全局最大池化GMP，左侧GMP是获得最大值，而右边的GMP是得到最小值，接着通过计...

【技术特征摘要】

1.一种基于多尺度特征融合的轻量级水下图像增强方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的融合颜色校正与结构特征提取模块的轻量级的水下图像增强方法，其特征在于，步骤2中构建在rgb空间进行颜色校正的cs-sm模块和由不同空洞率的卷积核组成的sdfe模块，其处理水下图像的步骤如下：cs-sm模块首先，采用直方图拉伸方法，通过线性方式扩展调整图像的像素值分布范围，将图像的像素值拉伸到整个亮度范围内，使得亮的部分更亮、暗的部分更暗，图像的整体明暗分布更加均匀，细节更加清晰可见。该模块包含全局最大池化gmp，左侧gmp是获得最大值，而右边的gmp是得到最小值，接着通过计算最大值和最小值，生成一个归一化的输出，紧接着经过1×1卷积层进行通道数的调整。然后又引入3×3卷积层和tanh激活函数的残差增强模块，从而帮助修复颜色偏移，使图像的颜色更加真实和准确。同时，sdfe模块由不同空洞率的卷积核组成，其中左侧分支c1卷积核大小为3，步幅与空洞率均为1，右侧c2卷积核大小为3，步幅为1，空洞率为5，以此提取不同感受野下的水下图像特征。此后两分支相减获得引导图，利用结构特征比度较低，细节特征对比度高的特性，进一步将引导图g与原始特征图i1相乘获得细节特征图id。最后，利用细节特征图从原始特征图中分离出水下结构特征图作为该分支的输出。

3.据权利要求1所述的融合颜色校正与结构特征提取模块的轻量级的水下图像增强方法，其特征在于，步骤3中构建多尺度特征融合模块mf-fm，该模块主要包含大小不同且不对称的池化层、...

【专利技术属性】
技术研发人员：陶洋，孙萌萌，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：