【技术实现步骤摘要】
本专利技术涉及半监督学习，具体涉及一种基于半监督学习的水下图像增强方法。
技术介绍
1、海洋作为地球上巨大的资源宝库，其潜能远未得到充分挖掘，相比陆地资源，海洋资源的开发和研究仍处于起步阶段。海洋中蕴藏着对人类文明进步极为关键的资源，包括石油、天然气以及丰富的渔业资源等。但是，海洋环境的错综复杂和不断变化为资源的勘探与利用带来了重大考验。此时，水下图像增强技术便显得尤为重要，它可以更精确地描绘出海洋资源的分布，评估其开发的可能性和难度，为制定开发计划和确定作业范围提供科学依据。然而，由于水下环境中的光线衰减、悬浮颗粒物等因素，采集到的水下图像往往质量欠佳，出现模糊、颜色偏差和对比度不足等问题，这就需要借助先进技术来解决。
2、水下图像增强技术主要通过提升图像的清晰度、减少色彩失真和增强图像对比度等方式来改善图像品质，这有助于更好地观察和分析水下场景，并提高计算机视觉任务的执行效率。传统图像增强技术常常采用卷积神经网络(cnn)和生成对抗网络(gan)等方法，这些方法主要关注于图像局部特征的提取。近期的一些研究开始探索引入视觉...
【技术保护点】
1.一种基于半监督学习的水下图像增强方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于半监督学习的水下图像增强方法，其特征在于，基于使用半监督学习对无标签水下图像进行质量评估，生成伪标签图像的过程具体包括：
3.根据权利要求2所述的基于半监督学习的水下图像增强方法，其特征在于，将无标签的水下图像输入训练好的半监督水下图像恢复模型生成伪标签图像还包括：
4.根据权利要求3所述的基于半监督学习的水下图像增强方法，其特征在于，将所述伪标签图像进行色彩校正，得到预处理后图像的过程具体包括：
5.根据权利要求4所述的基...
【技术特征摘要】
1.一种基于半监督学习的水下图像增强方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于半监督学习的水下图像增强方法，其特征在于，基于使用半监督学习对无标签水下图像进行质量评估，生成伪标签图像的过程具体包括：
3.根据权利要求2所述的基于半监督学习的水下图像增强方法，其特征在于，将无标签的水下图像输入训练好的半监督水下图像恢复模型生成伪标签图像还包括：
4.根据权利要求3所述的基于半监督学习的水下图像增强方法，其特征在于，将所述伪标签图像进行色彩校正，得到预处理后图像的过程具体包括：
5.根据权利要求4所述的基于半监督学习的水下图像增强方法...
【专利技术属性】
技术研发人员：徐光美，王金华，徐孙涵，张耕，
申请(专利权)人：北京联合大学，
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。