[发明专利]水下图像增强生成对抗网络的训练方法、介质及装置有效

专利信息
申请号: 202010158049.5 申请日: 2020-03-09
公开(公告)号: CN111461997B 公开(公告)日: 2022-07-19
发明(设计)人: 赵彩丹;邓均杰;陈凌俊 申请(专利权)人: 厦门大学
主分类号: G06T5/00 分类号: G06T5/00;G06T5/50;G06N3/04;G06N3/08;G06T3/40
代理公司: 厦门创象知识产权代理有限公司 35232 代理人: 崔建锋;陈文戎
地址: 361000 *** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 水下 图像 增强 生成 对抗 网络 训练 方法 介质 装置
【说明书】:

发明公开了一种水下图像增强生成对抗网络的训练方法、介质及装置,其中方法包括:获取原始图片,并将所述原始图片输入到水下图像失真模型,以生成所述原始图片对应的第一水下图片;对所述第一水下图片进行数据扩充,以生成多个第二水下图片,并根据所述原始图片和所述第二水下图片生成对应每个所述第二水下图片的训练数据对;根据所述训练数据对进行生成对抗网络的训练,以获取水下图像增强生成对抗网络。能够利用极小的数据集实现对水下图像进行增强,提高水下图像增强生成对抗网络的训练效率。

技术领域

本发明涉及图像增强技术领域,特别涉及一种水下图像增强生成对抗网络的训练方法、一种计算机可读存储介质以及一种水下图像增强生成对抗网络的训练装置。

背景技术

随着工业的发展和人口的急剧增长,陆地资源短缺问题愈发严峻;海洋资源逐渐成为世界各国开发的战略重心。而由于水下环境的特殊性,所采集的水下图像往往存在颜色失真、清晰度低和细节丢失等问题。因此,对水下图像进行增强以提升人的水下视觉,具有非常重要的意义。

相关技术中,在对水下图像进行增强的过程中,多采用深度学习法。而在深度学习的过程中,需要大量的水下图像作为训练数据。而水下图像往往难以获得,因此,如何利用极小的数据集实现对水下图像进行增强是当下急需解决的问题。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此,本发明的一个目的在于提出一种水下图像增强生成对抗网络的训练方法,能够利用极小的数据集实现对水下图像进行增强,提高水下图像增强生成对抗网络的训练效率。

本发明的第二个目的在于提出一种计算机可读存储介质。

本发明的第三个目的在于提出一种水下图像增强生成对抗网络的训练装置。

为达到上述目的,本发明第一方面实施例提出了一种水下图像增强生成对抗网络的训练方法,包括以下步骤:获取原始图片,并将所述原始图片输入到水下图像失真模型,以生成所述原始图片对应的第一水下图片;对所述第一水下图片进行数据扩充,以生成多个第二水下图片,并根据所述原始图片和所述第二水下图片生成对应每个所述第二水下图片的训练数据对;根据所述训练数据对进行生成对抗网络的训练,以获取水下图像增强生成对抗网络。

根据本发明实施例的水下图像增强生成对抗网络的训练方法,首先,获取原始图片,并将所述原始图片输入到水下图像失真模型,以生成所述原始图片对应的第一水下图片;对所述第一水下图片进行数据扩充,以生成多个第二水下图片,并根据所述原始图片和所述第二水下图片生成对应每个所述第二水下图片的训练数据对;根据所述训练数据对进行生成对抗网络的训练,以获取水下图像增强生成对抗网络;从而实现利用极小的数据集实现对水下图像进行增强,提高水下图像增强生成对抗网络的训练效率。

另外,根据本发明上述实施例提出的水下图像增强生成对抗网络的训练方法还可以具有如下附加的技术特征:

可选地,所述水下图像失真模型的生成步骤包括:获取同一场景对应不同色温的场景图片,并根据每个色温对应的场景图片计算非线性颜色映射函数,以便根据所述非线性颜色映射函数将原始图片转换为第一水下图片。

可选地,对所述第一水下图片进行数据扩充,以生成多个第二水下图片,包括:对所述第一水下图片进行裁剪,以生成多个裁剪图片,并对所述多个裁剪图片进行翻转处理和/或镜像处理,以及对处理后的裁剪图片进行拼接,以生成多个第二水下图片。

可选地,对所述第一水下图片进行数据扩充,以生成多个第二水下图片,包括:获取多个待镶嵌图片,并将每个待镶嵌图片分别与所述第一水下图片进行泊松融合,以生成对应所述待镶嵌图片的多个第二水下图片。

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厦门大学,未经厦门大学许可,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/202010158049.5/2.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