申请/专利权人：北京工业大学

申请日：2023-08-28

公开（公告）日：2024-03-01

公开（公告）号：CN117635436A

主分类号：G06T5/00

分类号：G06T5/00;G06T5/50;G06V20/70;G06V10/82;G06V10/774;G06V10/80;G06N3/045;G06N3/0464;G06N3/0475;G06N3/0895;G06N3/094

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明公开了一种浑浊水域鱼类采集图像增强方法，该方法是一种基于循环迭代结构的自监督cycleGAN增强模型。分别从无监督方法以及cycleGAN模型在浑浊水下数据、水池数据上验证了无监督方法和cycleGAN模型的可行性，随后引入循环迭代结构，构建自监督的增强模型。通过训练方式使得cycleGAN模型能够以一种自监督的方式训练，克服浑浊水下鱼类数据集缺少标注数据的难点，通过不断地循环迭代，模型依然能够输出满意的增强结果。

主权项：1.一种浑浊水域鱼类采集图像增强方法，其特征在于，该方法的实施过程如下：基于fusion-based方法首先获取浊水下鱼类图像的多种属性，随后对不同属性赋予不同权重后进行图像融合，得到浑浊水下鱼类图像的初始标签，为训练带监督的浑浊水下鱼类图像增强模型提供初始的标注数据；在得到浑浊水下鱼类图像初始标签后，利用湖库数据以及初始标签训练带弱监督的cycleGAN模型；对水下增强模型进行改进，根据水下鱼类图像在颜色失真、水下光照衰减上的特性，在增强模型中引入无需对照数据的视觉感知损失即UIQM以及UCIQE；其中UIQM损失针对水下鱼类图像的退化机制以及水下光学成像的特点，从水下鱼类图像的色度、清晰度以及饱和度上引导模型生成UIQM值更高的浑浊水域鱼类图像；UCIQE损失则是针对水下鱼类图像在非均匀颜色偏差、图像清晰度以及对比度上引导模型生成UCIQE值更高的水下鱼类图像；采用循环迭代的训练方式，对cycleGAN模型进行训练；首先利用初始标签训练带视觉感知的增强模型，随后利用增强模型的输出来更新标签数据，然后利用更新后的数据集重新训练增强模型，直到模型输出结果无法继续更新标签数据集则停止训练；基于水下增强实现自监督的循环迭代训练，构建浑浊水下鱼类数据集，设计浑浊水下的鱼类增强；选择使用基于fusion-based的增强方法生成原始标签，基于fusion-based的方法通过不同的浑浊水域鱼类图像处理方法，得到浑浊水域鱼类图像不同特征的属性分量；然后选择合适的属性分量融合参数，对不同属性分量进行融合，得到增强后的结果；在为水下浑浊图像生成初始标注时，选择基于图像融合方法，包含水下浑浊水域鱼类图像的特征提取以及特征多尺度融合。

全文数据：

权利要求：

百度查询： 北京工业大学 一种浑浊水域鱼类采集图像增强方法

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