[发明专利]一种基于生成对抗网络的水下图像增强方法

说明书

本发明公开了一种基于生成对抗网络的水下图像增强方法，具体包括以下步骤：S1、首先通过高清摄像模块在水下进行拍摄，通过补光模块在拍摄图像时提供补光功能，通过水下图像获取模块获取拍摄后的水下图像；S2、然后将图像发送至中央处理系统，中央处理系统接收后则将其图像发送至存储单元内部的原始图像库进行保存，并由标记模块对原始图像进行标号处理；本发明涉及水下图像增强技术领域。该基于生成对抗网络的水下图像增强方法，基于生成式对抗网络能够提升低质量水下图像的细节清晰度和色彩保真度，复原水下真实场景，从而提高水下图像复原的准确性和效率，提高了水下图像增强处理效果，为后续图像的使用创造了良好条件。

技术领域

本发明涉及水下图像增强技术领域，具体为一种基于生成对抗网络的水下图像增强方法。

背景技术

生成式对抗网络是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一，模型通过框架中(至少)两个模块：生成模型和判别模型的互相博弈学习产生相当好的输出，原始GAN理论中，并不要求G和D都是神经网络，只需要是能拟合相应生成和判别的函数即可，但实用中一般均使用深度神经网络作为G和D，一个优秀的GAN应用需要有良好的训练方法，否则可能由于神经网络模型的自由性而导致输出不理想。

目前在拍摄水下图像时，由于复杂的水下环境和光在不同的水体中所呈现的特殊物理及化学特性，会导致水下图像出现退化的现象，水下图像呈现较多的蓝绿色调及雾状效应，使得图像颜色失真以及图像模糊，从而影响后续水下图像的正常使用工作。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于生成对抗网络的水下图像增强方法，解决了由于复杂的水下环境和光在不同的水体中所呈现的特殊物理及化学特性，会导致水下图像出现退化的现象，水下图像呈现较多的蓝绿色调及雾状效应，使得图像颜色失真以及图像模糊从而导致该图像无法进行后续使用的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于生成对抗网络的水下图像增强方法，具体包括以下步骤：

S1、首先通过高清摄像模块在水下进行拍摄，通过补光模块在拍摄图像时提供补光功能，通过水下图像获取模块获取拍摄后的水下图像；

S2、然后将图像发送至中央处理系统，中央处理系统接收后则将其图像发送至存储单元内部的原始图像库进行保存，并由标记模块对原始图像进行标号处理；

S3、中央处理系统将图像发送至图像增强系统，在图像增强系统内部通过暗通道先验处理模块对待处理的水下图像进行去雾处理，通过拉伸处理模块对去雾处理后的水下图像进行直方图拉伸；

S4、通过清晰度处理模块对拉伸后的图像进行清晰度处理，清晰度处理包括对比度增强，最后通过色彩矫正模块利用灰度世界算法对图像进行颜色矫正，最终得到增强后的水下图像；

S5、将增强后的水下图像发送至存储单元内部的后处理库进行保存，且通过标记模块对增强后的水下图像进行标记，该标记与对应原始水下图像标记相同，人员需要查看指定标记的水下图像时，则通过检索提取模块对存储单元内部的图像数据进行检索提取，通过对比报告制作模块将该标记的原始图像以及增强后的图像进行对比且制作成报告，报告制作后则通过无线传输模块发送至显示终端显示出来即可。

优选的，所述步骤S1中高清摄像模块的输入端通过导线与补光模块的输出端电性连接，所述高清摄像模块通过无线与水下图像获取模块实现双向连接。

优选的，所述步骤S2中中央处理系统的输入端通过导线与水下图像获取模块的输出端电性连接，所述中央处理系统的输出端通过导线与存储单元的输入端电性连接，且存储单元包括标记模块。

优选的，所述标记模块的输出端通过导线分别与原始图像库和后处理库的输入端电性连接。