【技术实现步骤摘要】
本专利技术涉及一种浑浊水域鱼类采集图像增强方法，属于图像处理以及渔业领域。
技术介绍
1、湖库水质浑浊，水下成像效果差：水下淤泥、腐烂植被大量溶解悬浮在水中，对水下光线造成严重的散射、折射、衰减效应；且由于湖库养殖活动十分频繁，例如一些网箱养殖、盲目投饵施肥施药等，使得水中藻类等浮游生物增加，进一步加剧了湖库水质的恶化，导致湖库水体浑浊，水下能见度低。且由于当前的大部分工作是基于海洋水下数据，而海洋数据与湖库数据差异明显，因此难以保证基于海洋数据的相关工作在浑浊水下的效果。综上，浑浊水下鱼类图像数据增强面临的难点有：
2、(1)水下存在大量的悬浮物，导致水体浑浊、能见度较低。
3、(2)水体对于光线的吸收、折射与散射，导致采集到的浊水下鱼类图像失真。
4、(3)无标注数据情况下，难以引导模型生成视觉质量更优的结果。
技术实现思路
1、针对自然环境浑浊水下复杂的环境以及独特的光学条件，准确描述水下采集到的图像特性问题，本专利技术提出一种浑浊水下鱼类图像处理方法。
2、本专利技术采用的技术方案为一种浑浊水域鱼类采集图像增强方法，该方法的实施过程如下：
3、基于fusion-based方法首先获取浊水下鱼类图像的多种属性，随后对不同属性赋予不同权重后进行图像融合，得到浑浊水下鱼类图像的初始标签，为训练带监督的浑浊水下鱼类图像增强模型提供初始的标注数据。
4、在得到浑浊水下鱼类图像初始标签后，利用湖库数据以及初始标签训
5、采用循环迭代的训练方式，对cyclegan模型进行训练。首先利用初始标签训练带视觉感知的增强模型，随后利用增强模型的输出来更新标签数据，然后利用更新后的数据集重新训练增强模型，直到模型输出结果无法继续更新标签数据集则停止训练。
6、基于水下增强实现自监督的循环迭代训练，构建浑浊水下鱼类数据集，设计浑浊水下的鱼类增强。选择使用基于fusion-based的增强方法生成原始标签，基于fusion-based的方法通过不同的浑浊水域鱼类图像处理方法，得到浑浊水域鱼类图像不同特征的属性分量。然后选择合适的属性分量融合参数，对不同属性分量进行融合，得到增强后的结果。在为水下浑浊图像生成初始标注时，选择基于图像融合方法，包含水下浑浊水域鱼类图像的特征提取以及特征多尺度融合。
7、进一步地，浑浊水域鱼类图像特征提取直接将原始浑浊水域鱼类图像作为输入，从而获取融合所需的特征，特征的选择以及融合的策略直接决定的效果的好坏。
8、进一步地，在浑浊水域鱼类图像特征提取阶段共提取两个特征。
9、第一个特征，为原始浑浊水域鱼类图像白平衡处理并降噪之后的结果。其中，对浑浊水域鱼类图像进行白平衡处理降低水下光线衰减导致的颜色失真问题、以及浑浊水域鱼类图像对比度不足的问题。针对水下光学环境对水下光照进行重新建模。将水下光照表示成以下公式所示：
10、μi＝0.5+λμref(1)
11、其中μi表示水下浑浊水域鱼类图像的总光照，μref则表示水下浑浊水域鱼类图像色彩平均值，λ通过分析浑浊水域鱼类图像颜色直方图的密度以及分布得到，λ选择0.2，能够得到一个视觉质量较高的结果。对浑浊水域鱼类图像进行白平衡处理之后，将白平衡输出进行滤波处理，保留水下浑浊水域鱼类图像边缘信息，采用双边滤波提升水下浑浊水域鱼类图像的对比度。双边滤波可视为一个具有边缘保护的平滑滤波器，即在邻域ω内，存在滤波核f与滤波核g，双边滤波用周围的像素p来合成中心像素s的值，滤波得到结果js可表示为如下公式：
12、
13、其中d(p,s)＝ip-is表示周围像素和中心像素之间的强度差，k(s)表示归一化因子，σg为惩罚因子，惩罚边缘像素存在较大方差的情况。通过双边滤波对浑浊水域鱼类图像进行降噪增强后的输出，得到第一个融合特征。
14、第二个特征，对前一个特征应用对比度局部自适应直方图均衡化处理后得到。该特征扩展了原始浑浊水域鱼类图像的感兴趣特征的对比度，提升了感兴趣范围内浑浊水域鱼类图像的对比度以及真实感。
15、融合权重的设计一般取决于数据的输入以及视觉任务的不同。其中拉普拉斯对比度权重通过一个拉普拉斯滤波核，分别作用在浑浊水域鱼类图像的不同颜色通道上，然后计算滤波结果的绝对值。局部对比度权重作为第二个输入，包含每个像素与其邻域平均值之间的关系，加强局部对比度有利于在突出部分和阴影部分的过渡。局部对比度权重的计算过程类似于标准差的计算过程，表示每个像素照度值与周围像素照度平均值的标准差，公式表示如下：
16、
17、其中wlc表示在x,y位置上局部对比度权重值，k表示图片的编号，ik表示照度值，表示周围照度值。用平均值为0.5的高斯归一化来建模得到，表示为如下公式：
18、
19、其中ik(x,y0表示浑浊水域鱼类图像中(x,y)位置的像素值，设置方差σ＝0.25
20、通过一个多尺度权重融合方程，对不同加权后的特征进行融合，利用拉普拉斯金字塔变换将输入特征缩放到不同的尺度上。对不同权重施加高斯金字塔归一化，最后对这两部分结果逐层点乘之后相加得到输出，计算公式表示如下：
21、
22、其中l表示不同的层，gl表示高斯金字塔变换，表示归一化后的权重值，ll表示拉普拉斯变换。
23、进一步地，从指标上对增强后的结果进行评价，采用水下浑浊水域鱼类图像质量评价最常用的指标uiqm与uciqe，这两个指标通过综合衡量图像的色度、饱和度、对比度、清晰度来判断图像的真实感，指标值越高则效果越好。
24、采用cyclegan作为基础增强模块。cyclegan由两个gan网络头尾相连而构成。则此时每个cyclegan中包含两个生成器和两个鉴别器。每个cyclegan生成器将通过最小化损失来学习其对应的变换函数(f或g)，其中f函数用于学习y到x的变换过程，g函数用于学习x到y的变换过程。
25、cyclegan将两个gan网络头尾连接组成环形网络，cyclegan学习到周期一致的变换函数f和g。在给定输入x的情况下，经过前变换与后向变化之后，输出结果与自身浑浊水域鱼类图像相似，公式表示如下：
26、
27、其中x为输入浑浊水域鱼类图像，x′为生成的水下清晰图像。即x通过g过程将在y域中输出一个水下清晰图像，将该浑本文档来自技高网...
【技术保护点】
1.一种浑浊水域鱼类采集图像增强方法，其特征在于，该方法的实施过程如下：
2.根据权利要求1所述的一种浑浊水域鱼类采集图像增强方法，其特征在于，浑浊水域鱼类图像特征提取直接将原始浑浊水域鱼类图像作为输入，获取融合所需的特征。
3.根据权利要求1所述的一种浑浊水域鱼类采集图像增强方法，其特征在于，在浑浊水域鱼类图像特征提取阶段共提取两个特征；
4.根据权利要求1所述的一种浑浊水域鱼类采集图像增强方法，其特征在于，从指标上对增强后的结果进行评价，采用水下浑浊水域鱼类图像质量评价最常用的指标UIQM与UCIQE，这两个指标通过综合衡量图像的色度、饱和度、对比度、清晰度来判断图像的真实感，指标值越高效果越好；
【技术特征摘要】
1.一种浑浊水域鱼类采集图像增强方法，其特征在于，该方法的实施过程如下：
2.根据权利要求1所述的一种浑浊水域鱼类采集图像增强方法，其特征在于，浑浊水域鱼类图像特征提取直接将原始浑浊水域鱼类图像作为输入，获取融合所需的特征。
3.根据权利要求1所述的一种浑浊水域鱼类采集图像增强方法，其特征在于，在...
【专利技术属性】
技术研发人员：赵旭，姬庆庆，汪小桐，叶子静，刘亚暄，张逸静，董琦，张虞，王宇譞，黄诗睿，
申请(专利权)人：北京工业大学，
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。