申请/专利权人：青岛理工大学

申请日：2023-07-12

公开（公告）日：2024-02-09

公开（公告）号：CN116797490B

主分类号：G06T5/73

分类号：G06T5/73;G06F17/15;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.09#授权;2023.10.13#实质审查的生效;2023.09.22#公开

摘要：本发明属于图像处理领域，具体公开一种轻量级浑浊水体图像增强方法，包括以下步骤：S1.将原图像I输入至轻型反射量预测网络，获取反射分量BC；S2.将轻型反射量预测网络输出的特征图与原图像I拼合，得到带有反射光信息的特征图输入到轻型直射量指数化网络，经过轻型直射量指数化网络，获取直射分量的系数参量P预测值；S3.结合水下图像修正模型，获取清晰的水下图像。其优点在于，本发明在保持较好图像质量的同时，模型具有较高的执行效率。最后通过消融实验，验证了网络中引入的Mish激活函数与注意力机制模块的有效性，对图像颜色偏差的修正、图像细节的恢复等方面有较好的效果。

主权项：1.一种轻量级浑浊水体图像增强方法，其特征在于，包括以下步骤：S1.将原图像I输入至轻型反射量预测网络，轻型反射量预测网络包括三个卷积层和一个池化层；每个卷积层中均设有非线性映射单元，获取反射分量BC；反射分量BC获取步骤为：S11.将原图像IH,W,3依次输入两个卷积核为3*3的卷积层中，并在每个卷积层进行一次Mish函数运算；S12.经过两个卷积层后输出的特征图A后进入一个3通道的池化层，由池化层进入包括三个1*1卷积核的卷积层中，并在上述卷积层中进行Mish函数运算，输出1,1,3的特征图，标记为反射分量BC；S2.将轻型反射量预测网络输出的特征图与原图像I拼合，得到带有反射光信息的特征图输入到轻型直射量指数化网络，经过轻型直射量指数化网络，获取直射分量的系数参量P预测值；轻型直射量指数化网络包括一个轻量级卷积神经网络和1个注意力机制模型；轻量级卷积神经网络包括两个卷积层；注意力机制模型中使用Tanh函数作为非线性映射函数；S21.反射分量BC进行张量扩张，将扩张生成的3通道特征图与原图像I拼合，形成6通道的特征图作为轻量级卷积神经网络的输入，经过第一个卷积核为1*1的卷积层后输出特征图为F，经过第二个卷积核为3*3的卷积层和Mish函数运算后输出特征图为E；S22.将特征图F和特征图E进行通道拼合，作为注意力机制模型的输入；S23.注意力机制模型通过单层非线性映射结构获取到放大色彩信息特征差异的6通道特征图，称为特征图J，使用Tanh函数作为非线性映射函数，特征图J经过一个由3个卷积核大小为1*1，步长为1的卷积层处理后，输出注意力权重矩阵；S24.将注意力权重矩阵与特征图F相乘，获取直射分量的系数参量P的预测值，其中为C通道的直射光线D衰减系数，d为成像距离；S3.结合水下图像修正模型，获取清晰的水下图像；水下图像修正模型为: 其中，x是水下图像的坐标，ICx为水下相机获取到的水下图像。

全文数据：

权利要求：

百度查询： 青岛理工大学 一种轻量级浑浊水体图像增强方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD