无人艇图像质量增强方法、装置、终端及储存介质制造方法及图纸

技术编号：40971472 阅读：2 留言：0更新日期：2024-04-18 21:21

本发明专利技术涉及船用图像识别技术领域，尤其涉及一种无人艇图像质量增强方法、装置、终端及储存介质。方法包括获取水下图像和清晰图像；将水下图像输入训练好的生成器进行处理，以生成并输出增强图像；并输入至判别器内进行判别；构建图像雾化程度评估模型和水下颜色线损失模型，并通过所述图像雾化程度评估模型和所述水下颜色线损失模型约束生成器和判别器，反复迭代增强得到质量更好的增强图像。本发明专利技术中判别器设计为包含图像雾化程度评估模型的计算分支结构和水下颜色线损失模型的计算分支结构，提高了网络的去雾能力，指导生成器生成清晰的水下图像。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及图像识别，尤其涉及一种无人艇图像质量增强方法、装置、终端及储存介质。

技术介绍

1、海洋蕴含着丰富的资源，海洋资源的开发利用受到各国重视。对海洋环境进行有效感知是海洋资源开发利用的前提。基于计算机视觉技术的水下图像处理是感知海洋环境的有效手段，但是光在水中存在吸收和散射效应，会导致水下图像出现退化问题。此外，除了退化的水下图像问题，水下生物目标密集、尺度小以及颜色与背景相似等特点为基于计算机视觉的水下目标检测带来挑战。

2、水下环境复杂多变，计算机视觉作为探索海洋的眼睛，是获取海洋环境信息的重要手段。人工智能和水下机器人的发展推动了计算机视觉关于海洋环境感知的研究。对遥操作水下机器人而言，在探索海洋时会采用摄像头对海底情况进行拍摄并回传图像来辅助作业，然而由于水下特殊的成像环境会使采集到的水下图像存在色偏、雾化等图像退化问题，不利于人眼分辨。

技术实现思路

1、(一)要解决的技术问题

2、本专利技术要解决的技术问题是水下视频图像存在雾化严重、图像质量差的问题。

3、(二)技术方案

4、第一方面，为解决上述技术问题，本专利技术提供一种无人艇图像质量增强方法，包括以下步骤：

5、获取水下图像和清晰图像；

6、将水下图像输入训练好的生成器进行处理，以生成并输出增强图像；

7、将水下图像和清晰图像组成的图像对作为训练样本、以及水下图像和增强图像组成的图像对作为对抗样本输入至判别器内进行判别；</p>

8、对清晰图像与水下图像进行解析，构建图像雾化程度评估模型和水下颜色线损失模型，并通过所述图像雾化程度评估模型和所述水下颜色线损失模型约束生成器和判别器，反复迭代增强得到质量更好的增强图像；

9、训练完成后，生成器输出最终的增强图像。

10、进一步地，所述对清晰图像与水下图像进行解析，构建图像雾化程度评估模型包括以下步骤：

11、将清晰图像和增强图像分解为7x7像素的小块；

12、选择待处理的颜色线，通过rgb空间内的两个像素点构成的向量来表示所述颜色线；

13、通过rgb空间原点到颜色线方向向量的距离来表示图像雾化程度。

14、进一步地，水下颜色线损失模型为：

15、lcl＝ey～p[(d2(y)-cc-l(y))2]+ex～p[(d2(g(x,z))-cc-l(g(x,z)))2]

16、lcl(g)＝ex～p[(d2(g(x,z)))2]

17、其中，cc-l(y)表示rgb空间中颜色线与原始点之间的y坐标距离特征图，尺寸大小为30×30；cc-l(g(x,z))表示rgb空间中颜色线与原始点之间的xz坐标距离特征图，尺寸大小为30×30；(x,y,z)代表rgb空间内的像素点的坐标；d代表判别器；e代表增强图像；g代表生成器。

18、第二方面，本专利技术还提供一种无人艇图像质量增强装置，包括：

19、生成器和判别器，所述生成器由unet结构和vovnet网络结构构成。

20、进一步地，所述unet结构为编码器和解码器构成的网络结构。

21、进一步地，所述vovnet网络结构包括三个vovnet块，每个vovnet块包括9个卷积块，每个卷积块包括依次设置的卷积层、批量归一化层和激活函数层。

22、第三方面，本专利技术还提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述技术方案中任一种所述的无人艇图像质量增强方法。

23、第四方面，本专利技术还提供一种储存介质，所述储存介质内储存有计算机程序，当所述计算机程序在计算机上运行时，能够执行上述技术方案中任一种所述的无人艇图像质量增强方法。

24、(三)有益效果

25、本专利技术的上述技术方案具有如下优点：

26、1、本专利技术中，判别器设计为包含图像雾化程度评估模型的计算分支结构和水下颜色线损失模型的计算分支结构，提高了网络的去雾能力，指导生成器生成清晰的水下图像。另外，为了更好的训练上述模型，提出了包括通过水下图像和清晰图像组成的图像对作为训练样本、以及水下图像和增强图像组成的图像对作为对抗样本来训练网络。本专利技术提供的方法的图像处理速度满足实时性的要求。

27、2、针对图像质量增强后会降低目标检测召回率，导致检测精度降低的问题，本专利技术对增强图像和原始水下图像同时学习，保证了目标检测精度。另外，对增强图像和原始水下图像的js保持特性和收敛性进行分析，证明了本专利技术提供的算法结构能够学习到原始数据分布。实验验证了相比于其他增强数据集，用所提方法生成增强水下图像制作的数据集的数据分布最接近原始水下图像数据分布。

28、3、本专利技术提高了检测图像的可视性。实验结果表明，所提方法在海洋目标检测方面具有出色的性能，在水下图像数据集上实现了79.6％的map和13.7fps，在增强水下图像数据集上获得了79.03％的map。此外，在pascal voc 2007数据集上获得了81.5％的map和27fps。

本文档来自技高网...

【技术保护点】

1.一种无人艇图像质量增强方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的无人艇图像质量增强方法，其特征在于，所述对清晰图像与水下图像进行解析，构建图像雾化程度评估模型包括以下步骤：

3.根据权利要求1所述的无人艇图像质量增强方法，其特征在于，水下颜色线损失模型为：

4.一种无人艇图像质量增强装置，用于实施如权利要求1-3任一项所述的无人艇图像质量增强方法，其特征在于，包括：

5.根据权利要求4所述的无人艇图像质量增强装置，其特征在于，所述Unet结构为编码器和解码器构成的网络结构。

6.根据权利要求4所述的无人艇图像质量增强装置，其特征在于，所述VoVNet网络结构包括三个VoVNet块，每个VoVNet块包括9个卷积块，每个卷积块包括依次设置的卷积层、批量归一化层和激活函数层。

7.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的无人艇图像质量增强方法。

8.一种储存介

...

【技术特征摘要】

1.一种无人艇图像质量增强方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的无人艇图像质量增强方法，其特征在于，所述对清晰图像与水下图像进行解析，构建图像雾化程度评估模型包括以下步骤：

3.根据权利要求1所述的无人艇图像质量增强方法，其特征在于，水下颜色线损失模型为：

4.一种无人艇图像质量增强装置，用于实施如权利要求1-3任一项所述的无人艇图像质量增强方法，其特征在于，包括：

5.根据权利要求4所述的无人艇图像质量增强装置，其特征在于，所述unet结构为编码器和解码器构成的网络结构。

6.根据...

【专利技术属性】
技术研发人员：吴建瑜，罗晔，韩玮，梁旭，骆福宇，董钉，李鹏林，胥凤驰，曾江峰，李哲，刘如磊，
申请(专利权)人：中国船舶集团有限公司系统工程研究院，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人