水下图像恢复方法及系统

本发明涉及深度学习，尤其涉及一种水下图像恢复方法及系统。

背景技术：

1、近年来，水下图像恢复、增强技术在水下视觉领域中发挥越来越重要的作用。然而，光线在水中传播时，由于蓝光和绿光在水中有很强的穿透能力，而其他颜色的光穿透能力较弱，因此水下图像总是以蓝色和绿色为主。此外，由于水下图像的形成通常会受到水下微悬浮颗粒对光吸收和散射等问题，相机拍摄的水下图像会不可避免的产生颜色偏差、噪声、对比度下降和细节模糊的问题。这严重的限制了对水下资源的勘探、利用和研究。因此，水下图像恢复、增强方法在水下视觉领域显得格外重要，开发更先进、图像恢复和增强效果更好的网络非常有利于水下视觉技术的应用和发展。

技术实现思路

1、本发明提供一种水下图像恢复方法及系统，用以解决水下拍摄的图像清晰度不高的缺陷，可以去除颜色偏差，有效改善对比度差以及细节模糊的问题。

2、本发明提供一种水下图像恢复方法，包括：

3、收集目标图像；

4、将目标图像输入水下图像恢复模型中，水下图像恢复模型包括多尺度浅层特征提取单元和细节增强单元；

5、在水下图像恢复模型中对目标图像进行图像增强，得到清晰的水下图像。

6、根据本发明提供的水下图像恢复方法，在收集目标图像后，还包括：

7、对目标图像进行数据增强和尺度变换，数据增强包括水平翻转、对角翻转和随机旋转，尺度变换包括将目标图像的高度和宽度进行变换。

8、根据本发明提供的水下图像恢复方法，多尺度浅层特征提取单元包括若干组卷积核，通过若干组卷积核交叉进行多尺度特征提取。

9、根据本发明提供的水下图像恢复方法，细节增强单元包括下采样模块和上采样模块，下采样模块包括普通卷积模块，上采样模块包括转置卷积模块。

10、根据本发明提供的水下图像恢复方法，细节增强单元还包括归一化模块和激活模块，归一化模块设置在普通卷积模块或转置卷积模块后，用来加速学习。

11、根据本发明提供的水下图像恢复方法，多尺度浅层特征提取单元还包括特征融合模块，特征融合模块通过改进的通道注意力对特征提取的结果进行特征融合。

12、根据本发明提供的水下图像恢复方法，水下图像恢复模型通过adam函数对损失函数进行若干次优化。

13、本发明还提供一种水下图像恢复系统，包括：

14、收集单元，用于收集目标图像；

15、输入单元，用于将目标图像输入水下图像恢复模型中，水下图像恢复模型包括多尺度浅层特征提取单元和细节增强单元；

16、增强单元，用于在水下图像恢复模型中对目标图像进行图像增强，得到清晰的水下图像。

17、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上述任一种水下图像恢复方法。

18、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种水下图像恢复方法。

19、本发明还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如上述任一种水下图像恢复方法。

20、本发明提供了一种结合多尺度浅层特征提取和细节增强网络的水下图像恢复方法，通过采用多尺度进行浅层特征提取并经过改进的通道注意力进行特征融合，能够充分提取输入图像的有效特征，并有效缓解色彩偏差以及提高对比度；通过编码解码器结构构建的细节增强网络解决细节模糊问题。

技术特征：

1.水下图像恢复方法，其特征在于，包括：

2.根据权利要求1所述的水下图像恢复方法，其特征在于，在所述收集目标图像后，还包括：

3.根据权利要求1所述的水下图像恢复方法，其特征在于，所述多尺度浅层特征提取单元包括若干组卷积核，通过若干组卷积核交叉进行多尺度特征提取。

4.根据权利要求1所述的水下图像恢复方法，其特征在于，所述多尺度浅层特征提取单元还包括特征融合模块，所述特征融合模块通过改进的通道注意力对特征提取的结果进行特征融合。

5.根据权利要求1所述的水下图像恢复方法，其特征在于，所述细节增强单元包括下采样模块和上采样模块，所述下采样模块包括普通卷积模块，所述上采样模块包括转置卷积模块。

6.根据权利要求5所述的水下图像恢复方法，其特征在于，所述细节增强单元还包括归一化模块和激活模块，所述归一化模块设置在所述普通卷积模块或所述转置卷积模块后，用来加速学习。

7.根据权利要求1所述的水下图像恢复方法，其特征在于，所述水下图像恢复模型通过adam函数对损失函数进行若干次优化。

8.水下图像恢复系统，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在所述存储器上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程序时实现如权利要求1至7任一项所述水下图像恢复方法。

10.计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如权利要求1至7任一项所述水下图像恢复方法。

技术总结
本发明涉及深度学习领域，提供一种水下图像恢复方法及系统，其中水下图像恢复方法包括：收集目标图像；将目标图像输入水下图像恢复模型中，水下图像恢复模型包括多尺度浅层特征提取单元和细节增强单元；在水下图像恢复模型中对目标图像进行图像增强，得到清晰的水下图像。用以解决水下拍摄的图像清晰度不高的技术问题，可以去除颜色偏差，有效改善对比度差以及细节模糊的问题。

技术研发人员：吴衡,邓磊,赵艮平,陈梅云
受保护的技术使用者：广东工业大学
技术研发日：
技术公布日：2024/1/22