一种基于深度学习的水下图像增强方法技术

本发明专利技术公开了一种基于深度学习的水下图像增强方法，该方法首先获取水下图片数据并进行预处理，将所有的图片调整到统一大小再进行增强，得到输入图片。其次将输入图片同时输入一个初级特征提取网络和次级特征提取网络，两个网络的输出相加得到背景散射特征图。然后输入图像与背景散射特征图相加作为输入特征图，基于扩张卷积，提取得到直接传输特征图。最后基于输入图像、背景散射特征图和直接传输特征图，通过物理模型合成模块进行合成，得到增强图像。本发明专利技术所使用的参数数量较少，减轻了计算负担，能够提升面对复杂低质量水下图像时候的增强效果，准确完成水下图像增强。

【技术实现步骤摘要】

本专利技术属于计算机视觉领域，具体涉及一种基于深度学习的水下图像增强方法。

技术介绍

1、在海洋勘探的复杂过程中，水下图像增强技术扮演着至关重要的角色。在海洋环境监测方面，水下图像增强技术能够帮助我们实时监测海洋环境的变化，及时发现污染和生态问题；在水下设施检测方面，它能够帮助精准定位设施的损坏情况，确保设施的安全运行；而在海底生物研究方面，高质量的水下图像更是揭示了海洋生物的多样性和神秘性。无论是前沿科学的水下勘探。一幅或一组清晰、准确的海底图像，能够提供其他手段所无法获取的直观信息，为各项决策提供有力的支持。

2、然而，现实中的海底环境复杂多变，水体对光具有散射和吸收作用，水分子对光的吸收作用会减弱光的能量，光的衰减程度因光的颜色不同而产生差异，使水下图像出现色偏和亮度低的现象，并且散射作用还会导致图像细节模糊，对比度低。因此，水下图像的退化极为严重。典型的低质量水下图像往往表现为色调偏蓝、偏绿，或是光照强度不足，同时还伴随着细节特征模糊、对比度低等问题。这些问题亟待解决，以提升水下图像的质量，更好地服务于海洋探索与开发的各项活动。

本文档来自技高网...

【技术保护点】

1.一种基于深度学习的水下图像增强方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的水下图像增强方法，其特征在于，所述初级特征提取网络：输入图像先经过三组3×3大小，通道数为8的卷积层，输出特征图依次通过全局平均池化、1×1卷积核，降维输出3通道特征图；

3.根据权利要求2所述的基于深度学习的水下图像增强方法，其特征在于，步骤3具体实现过程如下：

4.根据权利要求3所述的基于深度学习的水下图像增强方法，其特征在于，物理模型合成模块具体实现过程如下：

【技术特征摘要】

1.一种基于深度学习的水下图像增强方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的水下图像增强方法，其特征在于，所述初级特征提取网络：输入图像先经过三组3×3大小，通道数为8的卷积层，输出特征图依次通过全局平均池化、1×...

【专利技术属性】
技术研发人员：周晓飞，李想，陈张平，佘青山，张继勇，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：