申请/专利权人：重庆邮电大学

申请日：2024-01-09

公开（公告）日：2024-03-29

公开（公告）号：CN117788301A

主分类号：G06T5/10

分类号：G06T5/10;G06V10/80;G06N3/0464;G06T5/60

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了一种基于深度学习与通道傅里叶变换的水下低照度图像增强方法，包括将输入图像进行连续下采样和各自卷积，得到不同尺度的初始特征图；将多层次特征图输入到使用半通道傅里叶卷积模块和像素重组模块等来组成编码器‑解码器结构的M‑net网络，通过分层构建可以更好地学习水下全局信息，傅里叶频域有助于恢复全局亮度；最后通过双流选择性核特征融合模块来针对性地融合不同层级的特征，并与输入逐元素求和得到增强后的图像。

主权项：1.一种基于深度学习和通道傅里叶变换的水下低照度增强方法，提高深海作业时相机成像的亮度和色彩校正的质量，其特征在于，包括以下步骤：1将原始输入图像随机裁剪为256×256大小后，并以256×256为初始大小进行尺寸降半的下采样操作，得到128×128的图片的基础上继续下采样，共操作4次，最后一级的尺寸为16×16，分别得到M-net网络的输入X1、X2、X3、X4、X5；2X1、X2、X3、X4、X5经过更改通道数不更改输入尺寸的卷积层后，输入至5层含上下拼接的M-net中，M-net每一层的处理都是采用含有通道域傅里叶变换的模块进行操作的，即将输入分量通过FFT算法转换到傅里叶空间，对幅度分量和相位分量分别执行通道方式的变换，再通过IFFT算法转换为空间域。此外，为了防止对幅度和相位过度操作影响水下的成像色彩，在执行通道傅里叶变换时是对输入的通道数拆分成一半进行处理；3在M-net编码器每一层的下采样和解码器每一层的上采样时则是采用像素重组与1×1卷积混用的方法，可以有效提取和重新构成特征图，也能帮助网络学到水下图像中的细节部分；4再重新对经过M-net后的进行上采样操作，以满足双流选择性核特征融合模块的输入尺寸，最后经过特征融合后，得到增强后的水下低照度图像。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于深度学习与通道傅里叶变换的水下低照度图像增强方法

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