【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及一种基于级联自适应网络的水下图像增强方法。
技术介绍
1、海洋与人类生活密切相连，对海洋资源的勘探和开发具有重要的科学和环境意义。水下图像携带着丰富的关于海洋资源的信息，在其开发和利用中发挥着至关重要的作用。近年来，海洋工程和研究越来越依赖于捕捉到的水下图像。
2、然而，由于独特的物理和化学环境的影响，水下场景遭受光的折射、吸收和散射等现象，给水下考古、水下目标检测和海底探索等应用带来了重大挑战。因此，水下图像往往存在低对比度、模糊细节和颜色失真等问题，给水下考古、水下目标检测和海底探索等应用带来了重大挑战。这些挑战严重制约了相关领域的进展。因此，解决与水下图像质量相关的问题对于推动海洋研究和探索的进展至关重要。
3、为了解决这些具有挑战性的问题，已经出现了许多水下图像增强(uie)方法。传统的增强方法往往直接修改像素值，增加饱和度和亮度以增强图像从而导致结果不尽如人意。还有一些基于物理的方法通过准确估计介质传输和关键的水下成像参数来反转水下成像模型，从而获得清晰的图像。然而，水下环境复杂，模型假设并非总是合理。此外，估计多个参数往往会出现误差从而导致整体图像效果欠佳。
4、随着深度学习的迅速和显著进步，许多研究人员现在采用基于深度学习的算法来增强水下图像。这种方法通常需要大量的数据进行训练，从而有助于提高模型的泛化能力并取得令人印象深刻的结果。大多数基于深度学习的方法通过在有标签的数据集上以监督方式直接学习恢复映射，而无需明确的成像模型。然而，大部分算法常常面
技术实现思路
1、针对现有技术中存在的不足，本专利技术提出一种基于级联自适应网络的水下图像增强方法，结合自适应融合，以解决水下图像中的色偏和低对比度等问题。通过多个子网络逐渐增强降级图像，采用逐层优化策略，实现更精细和全面的图像增强。该方法主要由细节恢复模块、色彩平衡模块、注意力特征融合模块、上下文注意力、全局颜色渲染模块组成，通过对神经网络进行训练，得到最优参数，实现对水下图像的增强。
2、为了解决上述技术问题，本专利技术的技术方案为：
3、一种基于级联自适应网络的水下图像增强方法，包括如下步骤：
4、s1、获取并预处理水下图像数据集，其中包含水下的失真图像。
5、s2、构建基于级联自适应网络的水下图像增强模型，所述水下图像增强模型包括细节恢复模块、色彩平衡模块、注意力特征融合模块、上下文注意力、全局颜色渲染模块。
6、首先失真图像输入细节恢复模块，通过细节恢复模块恢复失真图像中的细节部分，并将第一个卷积单元的输出作为后续上下文注意力的输入。
7、同时将失真图像输入颜色平衡模块，通过颜色平衡模块消除图像中存在的色彩偏差。将细节恢复模块第一个卷积单元的输出输入上下文注意力，通过上下文注意力关注退化严重区域。
8、注意力特征融合模块对细节恢复模块以及色彩平衡模块生成的潜在结果进行融合，并将上下文注意力输入来对融合结果进行引导。
9、最后融合的结果输入全局颜色渲染模块中对图片进行整体调整。
10、s3、训练构建好的基于级联自适应的水下图像增强网络模型，得到增强后的水下图像。作为优选，所述通过细节恢复模块恢复失真图像中的细节部分的具体方法：细节恢复模块采用编码器-解码器网络结构，并在解码器层中加入了细节引导模块来有效地协助高级特征恢复图像细节。编码器-解码器网络用卷积单元(卷积层+实例归一化层+激活层)对图像进行编码和解码，并使用三个残差块作为瓶颈部分，以增加网络的容量。编码部分捕捉低级特征，而解码部分则用于重建更高级特征。同时将编码部分的低级特征和解码部分的高级特征输入细节引导模块中，细节引导模块首先应用全局平均池化来处理编码部分的低级特征，将其转化为全局信息表示。通过将这个全局信息与高级特征结合，引入更广泛的上下文来指导高级特征，使其能够准确选择需要增强的细节。同时，对高级特征进行卷积操作，以保持通道一致性，低级特征生成的全局信息经过1×1卷积后与卷积操作后的高级特征相乘，再与卷积操作后的高级特征相加，使低级特征能够有效地引导高级特征。此外，网络将低级特征作为后序上下文注意力的输入。
11、作为优选，所述通过颜色平衡模块消除图像中存在的色彩偏差的具体方法：颜色平衡模块通过使用3d卷积来增加特征的维度。相比原有的特征维度，增加的一个维度代表rgb通道的深度信息，而3d卷积用于通道平衡。首先，将失真图像分割成3个单独的通道，并利用3d卷积的权重共享特性从不同通道中提取一致的特征分布，每个通道提取16张特征图。然后通过转置操作将来自不同通道的特征图串联在一起，分为16组3通道的特征图。同时进一步的将特征图经过3d卷积并将不同组的多张特征图进行维度压缩，最终生成16个具有独特特征信息的颜色平衡图像。
12、作为优选，所述通过上下文注意力关注退化严重区域的具体方法：上下文注意力对细节恢复模块中的低级特征进行进一步处理。注意结构采用混合设计，先构建全局和局部分支以保留感知的全局和局部方面。最后，对全局和局部分支得到的全局和局部上下文信息进行求和。全局分支包括：(a)上下文建模模块，一条分支改变特征维度，另有一条改变特征维度后经过softmax函数，二者相乘的输出即为获取所有位置的注意权重；(b)特征转换模块捕获通道间的依赖关系，将上下文建模模块的输出经过顺序连接的1×1卷积层、激活函数层、1×1卷积层。局部分支利用两个平行的1×1卷积层结构提取局部上下文信息，同时在其中一个分支在卷积操作前执行全局平均池化。最后，求和操作将从两个分支提取的特征进行合并。
13、作为优选，所述通过注意力特征融合模块对生成的潜在结果进行融合的具体方法：注意力特征融合模块用来融合图像细节和颜色平衡结果，并引入了上下文注意力来引导融合过程，使网络能够同时关注全局和局部信息。该模块可以自适应地融合细节恢复模块和颜色平衡模块生成的两个潜在结果，具体体现在首先将细节恢复模块和颜色平衡模块生成的结果以及上下文注意力的输出求和，将求和结果分别通过两个平行的1×1卷积层结构，其中一个分支在卷积操作前执行全局平均池化，再将两个结果相加经过激活函数，得到得出细节恢复模块和的颜色平衡模块对应权重，然后将细节恢复模块和颜色平衡模块生成的结果与权重相乘并求和，得出最终融合的结果。
14、作为优选，所述通过全局颜色渲染模块对图片进行整体调整的具体方法：全局颜色渲染模块将通道分成4组，其中三个组分别通过调整块进行调整，另外一个组不经过调整块调整，用来保留原有图像信息。调整全程使用1×1卷积，将每个像素进行转换从而调整整体图像。调整块(1×1卷积层+实例归一化层+1×1卷积层)基于组别来自适应地选择哪些组应参与增强。然后通过使用拼接操作，将4个组调整后的结果进行合并。最后，全局颜色渲染模块采用1×1卷积来交互地处理特征信息。
15、作为优选本文档来自技高网...
【技术保护点】
1.一种基于级联自适应网络的水下图像增强方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于级联自适应网络的水下图像增强方法，其特征在于，步骤2所述水下图像增强模型具体实现过程为：首先将失真图像输入细节恢复模块，恢复失真图像中的细节部分；同时将失真图像输入颜色平衡模块，消除图像中存在的色彩偏差；将细节恢复模块第一个卷积单元的输出输入上下文注意力，通过上下文注意力关注退化区域；其次注意力特征融合模块对细节恢复模块以及色彩平衡模块生成的潜在结果进行融合，并将上下文注意力输入对融合结果进行引导；最后融合的结果输入全局颜色渲染模块中对图片进行整体调整。
3.根据权利要求2所述的基于级联自适应网络的水下图像增强方法，其特征在于，所述细节恢复模块具体为：细节恢复模块采用编码器-解码器网络结构，并在解码器层中加入了细节引导模块；
4.根据权利要求3所述的基于级联自适应网络的水下图像增强方法，其特征在于，所述颜色平衡模块具体为：颜色平衡模块通过使用3D卷积增加特征的维度；
5.根据权利要求4所述的基于级联自适应网络的水下图像增强方法，其特
6.根据权利要求5所述的基于级联自适应网络的水下图像增强方法，其特征在于，所述注意力特征融合模块具体为：首先将细节恢复模块和颜色平衡模块生成的结果以及上下文注意力的输出求和，将求和结果分别通过两个平行的1×1卷积层结构，其中一个分支在卷积操作前执行全局平均池化，再将两个结果相加经过激活函数，得到得出细节恢复模块和的颜色平衡模块对应权重，然后将细节恢复模块和颜色平衡模块生成的结果与权重相乘并求和，得出最终融合的结果。
7.根据权利要求6所述的基于级联自适应网络的水下图像增强方法，其特征在于，所述全局颜色渲染模块具体为：全局颜色渲染模块将通道分成4组，其中三个组分别通过调整块进行调整，另外一个组不经过调整块调整；然后通过使用拼接操作，将4个组调整后的结果进行合并，再采用1×1卷积交互地处理特征信息；
...【技术特征摘要】
1.一种基于级联自适应网络的水下图像增强方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于级联自适应网络的水下图像增强方法，其特征在于，步骤2所述水下图像增强模型具体实现过程为：首先将失真图像输入细节恢复模块，恢复失真图像中的细节部分；同时将失真图像输入颜色平衡模块，消除图像中存在的色彩偏差；将细节恢复模块第一个卷积单元的输出输入上下文注意力，通过上下文注意力关注退化区域；其次注意力特征融合模块对细节恢复模块以及色彩平衡模块生成的潜在结果进行融合，并将上下文注意力输入对融合结果进行引导；最后融合的结果输入全局颜色渲染模块中对图片进行整体调整。
3.根据权利要求2所述的基于级联自适应网络的水下图像增强方法，其特征在于，所述细节恢复模块具体为：细节恢复模块采用编码器-解码器网络结构，并在解码器层中加入了细节引导模块；
4.根据权利要求3所述的基于级联自适应网络的水下图像增强方法，其特征在于，所述颜色平衡模块具体为：颜色平衡模块通过使用3d卷积增加特征的维度；
<...
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。