[发明专利]一种水下图像增强方法、系统和设备

说明书

本发明公开了水下图像增强方法、系统和设备，水下图像增强方法，包括以下步骤：获取水下视频或图像数据；通过数据增强生成对抗网络，对所述视频或图像数据使用预设算法进行预处理得到衰减图及雾化效果图，对所述衰减图及雾化效果图提取特征获取水下仿真数据，将所述水下视频或图像数据与对应的水下仿真数据生成配对数据集；利用修复生成对抗网络对得到的配对数据集进行判别器计算损失数并进行训练得到水下图像修复模型。能够根据实际水下退化质量生成对应的仿真配对数据集，不需要参数调节，基于多尺度特征融合的水下增强算法修复水下图像颜色。

技术领域

本发明涉及数字图像处理技术领域，具体为一种水下图像增强方法方法、系统和设备。

背景技术

很多水下环境如海洋领域都依赖水下机器人进行开采及研究等工作，基于海洋水产养殖业迅速发展，传统收获海产品方式依赖具有丰富海下作业的人工潜入水下打捞海产品，由于水下环境复杂，一方面对打捞人员存在生命安全风险，另一方面，由于海产品对温度等环境要求较高，所以一旦出现极端天气就需要快速打捞海产品。因此，传统打捞方式也受限于海洋天气等因素的制约。

针对以上问题，基于光学的机器人产生了庞大的需求，水下机器人能够确保人类不需要潜入水下进行危险的作业。但是，与正常空气中环境相比，水下成像相对复杂，水下成像主要存在以下问题：

1)考虑到深度、光线条件、水的类型和不同的光波长，水下图像的颜色通常会失真。

2)大量的悬浮颗粒引起光散射和传播方向的偏移，悬浮颗粒和水都会通过将光反射到相机镜头而影响场景对比度；

3)光能的吸收导致曝光不足，整体颜色偏绿或者偏蓝色，这对于基于视觉的机器人来说产生了干扰因素。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种水下图像增强方法方法、系统和设备，能够准确的恢复水下图像退化等问题。

为达到上述目的，本发明提供的技术方案如下：

根据本发明的一个方面，一种水下图像增强方法，其特征在于，包括以下步骤：

获取水下视频或图像数据；

通过数据增强生成对抗网络，对所述视频或图像数据使用预设算法进行预处理得到衰减图及雾化效果图，对所述衰减图及雾化效果图提取特征获取水下仿真数据，将所述水下视频或图像数据与对应的水下仿真数据生成配对数据集；

利用修复生成对抗网络对得到的配对数据集进行判别器计算损失数并进行训练得到水下图像修复模型。

进一步的，对所述视频或图像数据使用预设算法进行预处理得到衰减图及雾化效果图的算法公式如下所示：

I_(x)＝J_(x)t_(x)+B(1-t_(x))

t_(x)＝e^-β(λ)d(x)

式中，I(x)表示生成的仿真水下图像，J(x)是空气环境下的图像，t(x)是场景的传输图。B是场景的大气环境光。β是不同波长光的衰减系数，d(x)是场景和相机之间的范围。

进一步的，对所述衰减图及雾化效果图提取特征获取水下仿真数据，包括：利用神经网络对生成的衰减图及雾化效果图进行训练，采用若干卷积模块提取衰减和雾化的特征获取水下仿真数据集。

进一步的，利用修复生成对抗网络对得到的配对数据集进行判别器计算损失数，包括WGAN损失函数、L1损失函数以及边缘检测损失函数。

进一步的，水下图像修复模型的表达式为:

其中，