基于动态梯度调制的水下图像复原方法

文档序号:37221360发布日期:2024-03-05 15:18阅读:13来源:国知局
基于动态梯度调制的水下图像复原方法

本发明涉及水下图像处理,具体而言,尤其涉及一种基于动态梯度调制的水下图像复原方法。


背景技术:

1、水下环境的物理属性对水下图像处理构成了很大的挑战。由于水分子的吸收和散射特性,水下采集的图像往往会受到退化的影响。其中,前向散射和后向散射是影响图像质量的主要因素。前向散射使得图像变得模糊,而后向散射掩盖了图像的细节。除此之外,水下环境中的悬浮颗粒也是影响水下图像质量的一个重要因素。这些悬浮颗粒会引起散射和吸收,导致图像出现噪声和模糊。对于海洋环境监测、海洋生态保护、考古学以及海洋资源勘探等领域,获取高质量的水下图像非常重要。因此,研究人员们开发了各种技术和方法来克服水下环境对图像质量的影响。例如,针对前向散射和后向散射的问题,人们研发了各种图像增强算法,如去模糊、去噪、图像复原和增强等方法,以提高水下图像的清晰度和可见性。


技术实现思路

1、根据上述提出的技术问题,提供一种基于动态梯度调制的水下图像复原方法。本发明主要使用预测图像动态更新伪标签,为优化网络的梯度空间添加动态梯度,改善了图片质量并避免了局部最优。针对现有水下图像复原方法不能处理由介质引起的噪声或由运动引起的图像特征分布改变的问题,提出了一个基于通道组合推理策略和频域平滑模块的特征恢复与重建模块,最后基于真实场景水下数据集进行训练、推理,对水下图像进行复原。

2、本发明采用的技术手段如下:

3、基于动态梯度调制的水下图像复原方法,其特征在于,包括以下步骤:

4、s01:获取水下低质图像数据集及对应高质图像参考数据集,并按照8:1:1的比例将两个数据集随机划分训练集、验证集和测试集;

5、s02:将所述s01中的低质图像的rgb通道分解为三个通道的图像;

6、s03:任意选择所述s02中的三通道中的两个通道去预测剩余的通道,以交叉推理图像中的像素;

7、s04:使用所述s03中的推理结果进一步的预测,得到一阶段的复原图像;

8、s05:将所述s01中的低质图像和所述s04中的复原图像进行频域提取;

9、s06:将所述s05中的频域提取结果中的低频域进行平滑操作以去除图像中的伪影;

10、s07:根据所述s06的平滑结果和所述s04的复原图像进行图像重建,得到最终的复原图像;

11、s08:根据复原图像和所述s01中的参考图像进行损失计算,得到静态的梯度部分;

12、s09:对所述s07得到的复原图像进行直方图均衡化处理,得到伪真值图像;

13、s10:使用所述s09得到的伪真值图像与s07中的复原图像计算损失,得到动态梯度部分;

14、s11:使用所述s08和所述s10得到的损失进行组合,等待梯度收敛。

15、较现有技术相比,本发明具有以下优点:

16、为解决由介质引起的噪声和目标运动改变图像特征分布问题,本发明引入了一个基于通道组合推理策略和频域平滑模块的特征恢复与重建模块。这些模块解耦了其他退化特征,同时减小了各种噪声对网络性能的影响。

17、为解决先前方法可能受到低质量训练数据影响的问题,本发明利用预测图像动态更新伪标签,为优化网络的梯度空间添加动态梯度。这个过程改善了图像质量并避免了局部最优。

18、基于上述理由本发明在水下图像修复领域广泛推广,尤其适用于水下机器人抓取等光源复杂场景。



技术特征:

1.基于动态梯度调制的水下图像复原方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于动态梯度调制的水下图像复原方法,其特征在于,所述s03的像素交叉推理计算方法为:

3.根据权利要求1所述的基于动态梯度调制的水下图像复原方法,其特征在于,所述s04所述重建一阶段复原图像的计算方法为:

4.根据权利要求1所述的基于动态梯度调制的水下图像复原方法,其特征在于,所述对复原图像进行频域提取的计算方法为:

5.根据权利要求1所述的基于动态梯度调制的水下图像复原方法,其特征在于,所述对低频域进行平滑操作并于一阶段复原结果组合重建计算公式为:

6.根据权利要求1所述的基于动态梯度调制的水下图像复原方法,其特征在于,所述s08中复原图像与参考图像的损失计算公式为:

7.根据权利要求1所述的基于动态梯度调制的水下图像复原方法,其特征在于,所述将复原图像进行直方图均衡化的计算公式为:

8.根据权利要求1所述的基于动态梯度调制的水下图像复原方法,其特征在于,所述复原图像与伪真值的损失以及总损失的计算方法为:


技术总结
本发明提供一种基于动态梯度调制的水下图像复原模型。本发明主要使用预测图像动态更新伪标签,为优化网络的梯度空间添加动态梯度,改善了图片质量并避免了局部最优。针对现有水下图像复原方法不能处理由介质引起的噪声或由运动引起的图像特征分布改变的问题,提出了一个基于通道组合推理策略和频域平滑模块的特征恢复与重建模块,最后基于真实场景水下数据集进行训练、推理,对水下图像进行复原。

技术研发人员:张维石,梁天宇,何宗鑫,张得欢,周景春
受保护的技术使用者:大连海事大学
技术研发日:
技术公布日:2024/3/4
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1