[发明专利]一种用于生态环境的图像处理方法及装置

权利要求书

1.一种用于生态环境的图像处理方法，其特征在于，所述方法包括：

获取循环生成对抗网络；

利用边缘强结构相似度损失函数对所述循环生成对抗网络中的原损失函数进行改写，得到边缘改进对抗损失函数以及包含所述边缘改进对抗损失函数的改进循环生成对抗网络；

通过训练样本集对所述改进循环生成对抗网络进行训练，得到图像脱水处理模型，所述训练样本集包括水下图像集以及脱水图像集；

获取待处理水下图像；

调用所述图像脱水处理模型对所述待处理水下图像进行脱水化处理，得到所述待处理水下图像对应的脱水图像。

2.如权利要求1所述的用于生态环境的图像处理方法，其特征在于，所述原损失函数包括对抗损失函数及循环一致性损失函数，所述利用边缘强结构相似度损失函数对所述循环生成对抗网络中的原损失函数进行改写，包括：

获取预构建的所述边缘强结构相似度损失函数；

对所述边缘强结构相似度损失函数、所述对抗损失函数及所述循环一致性损失函数进行加权组合。

3.如权利要求2所述的用于生态环境的图像处理方法，其特征在于，所述边缘改进对抗损失函数为：

L(G，F，Dx，Dy)＝L_GAN(G，Dy，X，Y)+L_GAN(F，Dx，Y，X)+αL_cyc(G，F)+βL_SESS

其中，L(G，F，Dx，Dy)为所述边缘改进对抗损失函数，α及β为权重系数，L_GAN(G，Dy，X，Y)为所述对抗损失函数中的正向损失函数，L_GAN(F，Dx，Y，X)为所述对抗损失函数中的反向损失函数，L_cyc(G，F)为循环一致性损失函数，L_SESS为边缘强结构相似度损失函数，G为所述循环生成对抗网络中的正向生成器，F为所述循环生成对抗网络中的反向生成器，X为输入的水下图像集，Y为输入的脱水图像集，Dx为所述循环生成对抗网络中对X中的图像进行鉴别的第一鉴别器，Dy为所述循环生成对抗网络中对Y中的图像进行鉴别的第二鉴别器。

4.如权利要求1所述的用于生态环境的图像处理方法，其特征在于，所述脱水图像集包括与所述水下图像集对应的相干脱水图像集及与所述水下图像集无关的随机脱水图像集，所述通过训练样本集对所述改进循环生成对抗网络进行训练，得到图像脱水处理模型，包括：

将所述水下图像集与所述随机脱水图像集组合为非成对样本集，以及将所述水下图像集与所述相干脱水图像集组合为成对样本集；

利用所述非成对样品集对所述改进循环生成对抗网络进行循环训练；

当所述循环训练过程中边缘改进对抗损失函数的函数值的下降梯度在预设的训练步数内均小于预设阈值时，结束所述循环训练的过程，得到初级图像脱水模型；

利用所述成对样本集，对所述初级图像脱水模型进行再次训练，得到所述图像脱水处理模型。

5.如权利要求1至4中任一项所述的用于生态环境的图像处理方法，其特征在于，所述得到图像脱水处理模型之后，所述方法还包括：

将所述图像脱水处理模型存储至水下摄影设备，以使所述水下摄影设备在采集到第一水下图像之后，直接将所述第一水下图像转换为所述第一水下图像对应的第一脱水图像；或者

将所述图像脱水处理模型存储至所述水下摄影设备的网关，以使所述水下摄影设备的网关在获取到第二水下图像之后，直接将所述第二水下图像转换为所述第二水下图像对应的第二脱水图像。

6.如权利要求1至4中任一项所述的用于生态环境的图像处理方法，其特征在于，所述得到所述待处理水下图像对应的脱水图像之后，所述方法还包括：

对所述脱水图像进行小波去噪处理，得到清晰脱水图像。

7.如权利要求6所述的用于生态环境的图像处理方法，其特征在于，所述获取待处理水下图像之后，所述方法还包括：

对所述待处理水下图像进行编码操作，得到量化的待处理水下图像。