申请/专利权人：广东海洋大学

申请日：2023-11-20

公开（公告）日：2024-04-30

公开（公告）号：CN117522718B

主分类号：G06T5/60

分类号：G06T5/60;G06V20/05;G06V10/764;G06N3/0464;G06N3/0455;G06N3/088;G06N3/09;G06V10/762

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明提供一种基于深度学习的水下图像增强方法，提供依据无监督调试的待增强目标预训练方法，在建立积极‑消极训练样例集后，从积极‑消极训练样例集中各自确定第一增强目标和第二增强目标，然后依据该两类增强目标的增强目标语义描述对第一初始调试网络进行无监督调试，相当于无监督调试后获得的第二初始调试网络是对图像增强特地调试得到的，令在执行水下图像增强操作时，可以增加水下图像增强的精度。

主权项：1.一种基于深度学习的水下图像增强方法，其特征在于，应用于计算机设备，所述方法包括：在获得包括v个图像块序列的初始水下图像时，依据每个图像块序列的重要性评分以及重要性评分临界值，对所述v个图像块序列分别进行分类，得到所述初始水下图像对应的积极训练样例集和消极训练样例集；获取第一初始调试网络；所述第一初始调试网络用于确定每个图像块序列分别对应的训练样例语义描述；所述初始水下图像对应的图像语义描述为基于所述每个图像块序列分别对应的训练样例语义描述确定得到；从所述积极训练样例集中选取与预设增强范围匹配的图像块序列作为第一增强目标，依据所述第一增强目标中的图像块序列对应的训练样例语义描述，确定所述第一增强目标对应的第一增强目标语义描述；从所述消极训练样例集中选取与所述预设增强范围匹配的图像块序列作为第二增强目标，依据所述第二增强目标中的图像块序列对应的训练样例语义描述，确定所述第二增强目标对应的第二增强目标语义描述；依据所述第一增强目标语义描述、所述第二增强目标语义描述以及所述图像语义描述，对所述第一初始调试网络进行无监督调试，得到第二初始调试网络；所述第二初始调试网络用于执行水下图像增强操作。

全文数据：

权利要求：

百度查询： 广东海洋大学 基于深度学习的水下图像增强方法

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