[发明专利]图像增强方法、智能设备、计算机存储介质有效

专利信息
申请号: 202110755171.5 申请日: 2021-07-05
公开(公告)号: CN113436107B 公开(公告)日: 2023-06-20
发明(设计)人: 刘日升;石东祥;仲维;樊鑫;罗钟铉 申请(专利权)人: 鹏城实验室;大连理工大学
主分类号: G06T5/00 分类号: G06T5/00;G06T7/90;G06V10/56;G06V10/82;G06N3/0464;G06N3/08
代理公司: 深圳市世纪恒程知识产权代理事务所 44287 代理人: 陈小娟
地址: 518000 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 增强 方法 智能 设备 计算机 存储 介质
【权利要求书】:

1.一种图像增强方法,其特征在于,所述方法包括:

获取水下初始图像,并对所述水下初始图像进行颜色空间转化;

将所述水下初始图像的L通道数据输入对比度增强网络中,通过对比度增强网络中的特征提取模块得到对应的图像特征,并根据所述L通道数据生成自适应的滤波器,其中,所述对比度增强网络由x个自适应卷积块组成,每个自适应卷积块使用y层全连接层网络生成一个自适应的滤波器;

通过将所述图像特征与生成的所述自适应的滤波器中的全连接层进行卷积,得到增强后的图像特征;

将所述增强后的图像特征输入重建模块,以通过所述重建模块将所述增强后的图像特征重建为第一图像处理数据;

通过颜色矫正网络对转化后的所述水下初始图像的AB通道数据进行处理,得到第二图像处理数据,其中,所述L通道用于刻画所述水下初始图像的亮度,所述AB通道用于刻画水下初始图像的颜色;

根据所述第一图像处理数据和第二图像处理数据生成增强图像。

2.如权利要求1所述的图像增强方法,其特征在于,所述获取水下初始图像,并对所述水下初始图像进行颜色空间转化的步骤包括:

获取水下初始图像;

将所述水下初始图像从RGB颜色空间转化为LAB颜色空间。

3.如权利要求2所述的图像增强方法,其特征在于,所述将所述水下初始图像从RGB颜色空间转化为LAB颜色空间的步骤包括:

将所述水下初始图像从RGB颜色空间转化为XYZ颜色空间;

将所述XYZ颜色空间转化为LAB颜色空间。

4.如权利要求1所述的图像增强方法,其特征在于,所述通过颜色矫正网络对转化后的所述水下初始图像的AB通道数据进行处理,得到第二图像处理数据的步骤包括:

将所述水下初始图像的AB通道数据输入颜色矫正网络对应的编码单元,其中,所述编码单元中的下采样层对所述AB通道数据进行下采样,得到所述编码单元的输出图像数据;

对所述输出图像数据进行特征提取,得到对应的颜色特征;

将所述颜色特征输入所述颜色矫正网络对应的解码单元,其中,所述解码单元中的上采样块对所述颜色特征进行上采样,得到第二图像处理数据。

5.如权利要求1所述的图像增强方法,其特征在于,所述根据所述第一图像处理数据和第二图像处理数据生成增强图像的步骤包括:

融合所述第一图像处理数据与所述第二图像处理数据,以得到初始增强图像;

将所述初始增强图像从LAB颜色空间转化为RGB颜色空间,以生成所述增强图像。

6.如权利要求1所述的图像增强方法,其特征在于,所述将所述水下初始图像的L通道数据输入对比度增强网络中,通过对比度增强网络中的特征提取模块得到对应的图像特征,并根据所述L通道数据生成自适应的滤波器的步骤之前,还包括:

基于水上清晰图像和深度图像训练所述对比度增强网络。

7.如权利要求6所述的图像增强方法,其特征在于,所述基于水上清晰图像和深度图像训练所述对比度增强网络的步骤包括:

获取多组水上清晰图像以及深度图像;

根据所述深度图像以及透射率参数,生成透射率图;

根据所述水上清晰图像以及所述透射率图,生成低对比度图像;

采用所述低对比度图像训练所述对比度增强网络。

8.一种智能设备,其特征在于,所述智能设备包括存储器、处理器以及存储在所述存储器并可在所述处理器上运行的图像增强程序,所述图像增强程序被所述处理器执行时实现如权利要求1-7任一项所述的图像增强方法的各个步骤。

9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有图像增强程序,所述图像增强程序被处理器执行时实现如权利要求1-7任一项所述的图像增强方法的各个步骤。

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鹏城实验室;大连理工大学,未经鹏城实验室;大连理工大学许可,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/202110755171.5/1.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