申请/专利权人：北京科技大学;北京科技大学顺德创新学院

申请日：2024-01-18

公开（公告）日：2024-04-09

公开（公告）号：CN117593235B

主分类号：G06T5/92

分类号：G06T5/92;G06T5/60;G06T5/70;G06N3/0464;G06N3/084;G06N3/0985

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.03.12#实质审查的生效;2024.02.23#公开

摘要：本发明提供一种基于深度CNN去噪先验的Retinex变分水下图像增强方法和装置，包括：输入水下降质图像，并利用归一化颜色修正方法进行颜色修正；从RGB颜色空间转换到HSV颜色空间；根据Retinex理论，将HSV颜色空间的亮度通道分解成反射率分量和光照分量，采用深度CNN去噪器学习反射率分量和光照分量的隐式先验，通过交替迭代优化算法得到反射率分量和光照分量的增强结果；利用伽马修正方法修正光照分量的增强结果；将反射率分量的增强结果和伽马修正后的光照分量进行图像像素的逐点相乘，得到增强后的亮度通道，合并增强后的亮度通道、HSV颜色空间的色度通道和饱和度通道，转换到RGB空间，得到并输出最终的水下增强图像。本发明能高效地输出优质水下增强图像。

主权项：1.一种基于深度CNN去噪先验的Retinex变分水下图像增强方法，其特征在于，所述方法包括：S1、输入水下降质图像；S2、利用归一化颜色修正方法，对所述水下降质图像进行颜色修正；S3、将颜色修正后的水下图像从RGB颜色空间转换到HSV颜色空间，得到HSV颜色空间的亮度通道、色度通道和饱和度通道；S4、根据Retinex理论，将HSV颜色空间的亮度通道分解成反射率分量和光照分量，然后采用深度CNN去噪器学习反射率分量和光照分量的隐式先验，通过交替迭代优化算法得到反射率分量和光照分量的增强结果；S5、利用伽马修正方法，修正光照分量的增强结果；S6、将反射率分量的增强结果和伽马修正后的光照分量进行图像像素的逐点相乘，得到增强后的亮度通道，合并增强后的亮度通道、HSV颜色空间的色度通道和饱和度通道，再把合并后的图像从HSV空间转换到RGB空间，得到并输出最终的水下增强图像；所述S4，具体包括：构建一种基于深度CNN去噪先验的Retinex变分水下图像增强模型，具体优化目标函数如下： 其中，第一项为数据保真项，用L2范数约束所求解的光照分量L与反射率分量R的乘积和亮度通道V一致，第二项ΦR是正则化项，表示反射率分量R的隐式先验，第三项ψL是正则化项，表示光照分量L的隐式先验，Φ·和ψ·是两种隐式先验表示函数，无需设定具体的显式约束形式，采用深度CNN去噪器学习，λ为第一权重参数，ξ为第二权重参数，λ和ξ分别依据R和L分量中的各自噪声方差大小进行经验性设置，·为图像像素点之间的点乘运算，利用变量分裂方法解耦数据保真项和正则化项，引入两个辅助变量P和Q分别来逼近求解R和L，将公式3转变为对应的增广拉格朗日目标函数形式： 其中，ρ为第三权重参数，η为第四权重参数，P是R的逼近辅助变量，Q是L的逼近辅助变量，采用交替迭代优化算法求解公式4；所述采用交替迭代优化算法求解公式4，具体包括：1固定当前的光照分量L和两个逼近辅助变量P、Q，求解反射率分量R的目标函数表示为 其中，下标符号k是第k次迭代的次数，Lk是L的第k次迭代结果，Pk是P的第k次迭代结果，公式5中的除法是图像像素之间的点除运算，对公式5进行一阶梯度求导并置为0，得到反射率分量R的闭合解： 其中，Rk+1是R的第k+1次迭代结果，公式6中的除法是图像像素之间的点除运算；2固定当前的反射率分量R和两个逼近辅助变量P、Q，求解光照分量L的目标函数表示为 其中，Qk是Q的第k次迭代结果，公式7中的除法是图像像素之间的点除运算，对公式7进行一阶梯度求导并置为0，得到光照分量L的闭合解： 其中，Lk+1是L的第k+1次迭代结果，公式8中的除法是图像像素之间的点除运算；3固定当前的反射率分量R和光照分量L，求解两个逼近辅助变量P和Q的目标函数分别表示为 根据贝叶斯概率理论，看出公式9和10均是典型的图像高斯噪声去除问题，采用深度CNN去噪器求解这两个问题，具体计算如下： 其中，Pk+1和Qk+1分别是P和Q的第k+1次迭代结果，Denoiser·是深度CNN去噪器，通过深度残差去噪网络求解；4重复上述步骤1–3直至收敛，获得增强后的反射率分量RE和光照分量LE。

全文数据：

权利要求：

百度查询： 北京科技大学;北京科技大学顺德创新学院 基于深度CNN去噪先验的Retinex变分水下图像增强方法和装置

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