[发明专利]基于生成对抗网络的水下图像增强方法

权利要求书

1.一种基于生成对抗网络的水下图像增强方法，其特征是，包括生成模型G和判别模型D的生成对抗网络处理水下图像，具体步骤是，c为清晰图像的颜色条件信息，c'为输入图像的颜色条件信息，这两类标签信息均为一维向量，在输入时将c扩充为与输入图像z同大小的图像，并与输入图像z合并后输入到生成模型G中，得到生成的增强图像再将增强图像输入判别模型D中，判别模型D_G判断该图像是否真实，判别模型D_color判断颜色是否符合清晰图像要求，将两个判断结果以反馈的形式传到生成模型G中指导生成模型训练，最终利用训练好的模型处理水下图像。

2.如权利要求1所述的基于生成对抗网络的水下图像增强方法，其特征是，通过以下损失对生成模型G加以约束：

(1)重构损失L_rec

通过重构损失，限定输入图像z和重构图像的一致性，增强网络对不同颜色输入信息的分辨能力，使该网络在更好的学习水下图像的分布情况；

(2)感知损失L_VGG和结构相似性损失L_SSIM

通过加入感知损失L_VGG和结构相似性损失L_SSIM来限定输入图像z和增强图像的内容、高维特征相似性，使得增强图像的细节信息和结构信息与输入图像一致并加快网络的收敛速度。

生成模型包括编码模块、RRDB模块、解码模块组成，编码模块主要基于下采样操作，将数据分布的高维特征映射到数据的低维表征；引入RRDB模块，使网络总深度增加，来捕获更多的有用信息；解码模块使用上采样操作和非线性空间转移，通过不断对损失函数进行修正，对权重进行训练选取，达到图像增强的目的。

3.如权利要求1所述的基于生成对抗网络的水下图像增强方法，其特征是，判别模型包括两个判别器D_color和D_G都是由卷积层和LRelu激活层交替构成，前7层卷积实现权值共享，大大减少网络的参数数量和运算量，最后一层D_color输出图像属于目标颜色的概率，D_G输出判别图像真假的概率。