[发明专利]一种水下图像增强方法及系统在审

专利信息
申请号: 201711424318.2 申请日: 2017-12-25
公开(公告)号: CN108038832A 公开(公告)日: 2018-05-15
发明(设计)人: 乔宇;武士想 申请(专利权)人: 中国科学院深圳先进技术研究院
主分类号: G06T5/00 分类号: G06T5/00;G06T5/50
代理公司: 深圳中一专利商标事务所 44237 代理人: 官建红
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 水下 图像 增强 方法 系统
【说明书】:

发明适用于水下图像增强技术领域,提供了一种水下图像增强方法及系统,其中,方法包括:在水下播放视频;在水下拍摄所述视频,获得低质量水下图像数据;同步获取所述视频的高质量源图像数据和所述低质量水下图像数据,作为输入数据;对所述输入数据进行底层图像处理和高层视觉处理,得到重建后的高质量水下图像数据;其中,所述高质量源图像数据和所述低质量水下图像数据存在对应关系。本发明通过同步获取水下播放的视频的高质量源图像数据和拍摄所述视频得到的低质量水下图像数据,可以快速、便捷的获得大量水下训练数据,通过结合底层图像处理和高层视觉处理,可以更加有效的对底层图像进行增强。

技术领域

本发明属于水下图像增强技术领域,尤其涉及一种水下图像增强方法及系统。

背景技术

水下拍摄的图像由于水体结构,水质浑浊、光照吸收、光线不足及成像设备等因素会出现有限的可视距离、低对比度、非均匀光照、模糊、光斑、色彩降维等劣化现象,水下图像增强算法可以提高水下图像质量,解决水下图像低对比度、模糊与色彩降维问题,增加水下图像细节,提升视觉效果。进几年,深度学习在图像的去雾、超分辨、去噪等底层处理中均取得成功应用。水下图像增强方法主要通过水下图像对训练网络及相关模型进行训练,使训练网络能够不断学习从而能够根据输入的低质量水下图像重建得到高质量水下图像。

然而,现有的水下训练数据的获取方式难以获取大量的接近真实水下图像的训练数据,现有的水下图像增强算法也无法对大量的训练数据进行训练并得到高质量的水下图像。

发明内容

有鉴于此,本发明实施例提供了一种水下图像增强方法及系统,以解决现有的水下训练数据的获取方式难以获取大量的接近真实水下图像的训练数据,以及现有的水下图像增强算法也无法对大量的训练数据进行训练并得到高质量的水下图像的问题。

本发明实施例的第一方面提供一种水下图像增强方法,其包括:

在水下播放视频;

在水下拍摄所述视频,获得低质量水下图像数据;

同步获取所述视频的高质量源图像数据和所述低质量水下图像数据,作为输入数据;

对所述输入数据进行底层图像处理和高层视觉处理,得到重建后的高质量水下图像数据;

其中,所述高质量源图像数据和所述低质量水下图像数据存在对应关系。

在一个实施例中,对所述输入数据进行底层图像处理和高层视觉处理,包括:

对所述输入数据进行不同尺度的滤波处理,提取所述输入数据的不同尺度特征;

通过所述输入数据的不同尺度特征对深度卷积神经网络进行训练直到收敛,回归出高质量水下图像数据;

通过所述深度卷积神经网络输出的数据对深度残差网络进行训练直到收敛,回归出所述输入数据的类别信息。

本发明的第二方面提供一种水下图像增强方法,其包括:

通过第一数据集和第二数据集对生成对抗网络进行训练,生成模拟水下图像数据;

通过所述模拟水下图像数据对端到端网络进行训练,得到重建后的高质量水下图像数据;

其中,所述第一数据集包括低质量水下图像数据,所述二数据集包括与所述低质量水下图像不存在对应关系的高质量自然图像数据。

本发明的第三方面提供一种水下图像增强方法,其包括:

对第一数据集进行预处理;

通过第一数据集和第二数据集对第一生成对抗网络进行训练,生成模拟水下图像数据;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院深圳先进技术研究院,未经中国科学院深圳先进技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711424318.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top