[发明专利]基于红通道和全卷积神经网络的水下光学智能感知方法

说明书

本发明提供了一种基于红通道和全卷积神经网络的水下光学智能感知方法，利用光学信息对水下场景进行智能感知，首先通过选通成像设备采集得到对比度高且抑制“雾化”现象的水下光学图像，然后利用红通道算法对图像进行颜色恢复，有效地对图像进行视觉效果增强，使得图像更接近于自然光照下的成像效果，最后使用改进的全卷积神经网络对图像进行智能地语义分割，快速得到高精度的水下感知图像。

技术领域

本发明属计算机视觉、图形处理技术领域，具体提出一种基于红通道和全卷积神经网络的水下光学智能感知方法。

背景技术

近年来，随着陆地资源的日益紧缺和国际形势的不断发展，海洋越来越成为世界各国争夺的焦点。一方面，海洋作为地球最大的生态系统，是一个庞大的资源宝库，可以为社会的可持续发展提供物质基础；另一方面，海洋同陆地、天空等共同组成一个国家或地区的领土范围，具有重要的军事战略意义。随着科学技术的不断进步，海洋感知技术日渐成熟。海洋感知技术的研究对于海洋资源探索与开发、海洋军事应用和海洋环境监测等具有重大意义。常用的海洋感知技术包括水下光学技术、声纳技术和放射性探测技术等。其中，水下光学技术相较于其他感知技术具有精度高、抗噪声能力强、污染性小、更直观等优点，也越来越成为研究热点。

不同于一般的大气光学，由于光在水中特殊的传输特性，水下光学的成像质量往往很差。一方面，不同频率的光在水中传输的衰减不同，造成水下成像时物体原本颜色的扭曲；另一方面，由于水分子和其他悬浮颗粒的存在，大量的光被散射入相机镜头，造成图像的“雾化”，大大降低了图像的对比度。因此，水下图像往往具有呈现蓝绿色调、对比度较低的特点，这为水下光学感知带来巨大难题。

为解决上述成像难题，大量水下图像处理方法不断涌现，这些方法大致可以分为基于硬件和基于算法两大类型。基于硬件的水下图像处理方法包括偏振成像、距离选通成像、荧光成像和立体成像，例如：Yemelyanov等人在文献“Adaptive algorithms for two-channel polarization sensing under various polarization statistics withnonuniform distributions,Appl Opt,vol.29,no.22,pp.5504-5520,2006”中提出将偏振片固定在相机镜头前方以获得偏振图像；H.Li等人在文献“Speckle noise suppressionof range gated underwater imaging system,Appl Opt,vol.18,no.18,pp.3937–3944,2009”中提出通过抑制选通图像的斑点状噪声来提高水下图像的质量。根据输出结果的不同，基于算法的水下图像处理方法可以分为波长补偿法和颜色复原法，例如：Fattal在文献“Dehazing Using Color-Lines,ACM,vol.34,no.1,pp.1-14,2014”中提出利用“颜色线”(Color-lines)方法估计模糊的混乱程度，然后使用随机马尔科夫场模型重建清晰图像；Petit等人在文献“Underwater image enhancement by attenuation inversion withquaternions,IEEE International Conference on Acoustics,Speech and SignalProcessing,pp.1177-1180,2009”中利用四元数处理RGB颜色空间的收缩，然后提出了光衰减的逆转方法进行图像颜色复原。

上述基于硬件的水下图像处理方法由于涉及硬件设备的设计和改装，工作难度较大；而基于算法的处理方法计算过程复杂，导致在实际使用过程中难以达到实时处理的要求。如何设计快速有效地图像处理方法是水下光学感知的一大难题。