[发明专利]基于GAN网络的水下图像色彩校正方法

权利要求书

1.一种基于GAN网络的水下图像色彩校正方法，其特征是：含有以下步骤：

步骤1、训练网络，建立去水模型；

步骤1.1、准备M张水下图像和N张空气中图像，组成不配对数据集，M不小于6500，N不小于6000；

步骤1.2、构建Cycle GAN网络，使用步骤1.1得到的不配对数据集训练Cycle GAN网络，使其完成从空气中图像到水下图像的风格转换；

步骤1.3、使用步骤1.2中训练好的Cycle GAN网络将步骤1.1中的空气中图像生成其对应的水下图像，空气中图像和其对应的水下图像组成N对配对的数据集；

步骤1.4、从实际拍摄的深海视频中抽取P张水下图像作为验证集，P不小于1000；

步骤1.5、构建UGAN网络；

步骤1.6、使用步骤1.3中所得到的N对配对的数据集作为训练集，步骤1.4中所得到的P张水下图像作为验证集，训练步骤1.5中所构建的UGAN网络，得到训练好的去水模型；

步骤2、使用去水模型校正水下图像色彩；

步骤2.1、将K张待处理的水下图像作为输入图像，使用步骤1.6中训练好的去水模型进行色彩校正，输出K张空气中图像，K为大于等于1的自然数；

步骤2.2、将步骤2.1中的K张待处理的水下图像分别从RGB格式转换为YUV格式，并提取格式转换后输入图像的UV通道；

步骤2.3、将步骤2.1中得到的K张空气中图像分别从RGB格式转换为YUV格式，并提取格式转换后输出图像的Y通道；

步骤2.4、将步骤2.2所得到的K张水下图像的UV通道和步骤2.3所得到的与K张水下图像分别对应的K张空气中图像的Y通道进行融合，得到K张YUV图像；

步骤2.5、将步骤2.4中所得到的K张YUV图像转换成RGB图像输出。

2.根据权利要求1所述的基于GAN网络的水下图像色彩校正方法，其特征是：在所述步骤1.1中，从Youtube上下载深海视频，并使用FFMPEG从中抽取M张水下图像；从ImageNet上收集N张深海生物的空气中图像。

3.根据权利要求1所述的基于GAN网络的水下图像色彩校正方法，其特征是：所述步骤1.2所训练的Cycle GAN网络的损失函数包括对抗损失、MSE损失以及循环一致性损失，优化器采用Adm。

4.根据权利要求1所述的基于GAN网络的水下图像色彩校正方法，其特征是：在所述步骤1.4中，使用FFMPEG从实际拍摄的深海视频中抽取P张水下图像作为验证集。

5.根据权利要求1所述的基于GAN网络的水下图像色彩校正方法，其特征是：所述步骤1.6中所训练的UGAN网络的损失函数包括对抗损失和MSE损失。

6.根据权利要求1所述的基于GAN网络的水下图像色彩校正方法，其特征是：在所述步骤2.2和步骤2.3中，将水下图像或空气中图像从RGB格式转换为YUV格式的转换公式为：

Y＝0.299 R+0.587 G+0.114

U＝-0.1687 R-0.3313 G+0.5 B+128

V＝0.5 R-0.4187 G-0.0813 B+128。

7.根据权利要求1所述的基于GAN网络的水下图像色彩校正方法，其特征是：在所述步骤2.5中，将图像从YUV格式转换为RGB格式的转换公式为：

R＝Y+1.402(V-128)

G＝Y-0.34414(U-128)-0.71414(V-128)

B＝Y+1.772(U-128)。