[發明專利]一種基于深度神經網絡的海洋勘測圖像質量增強方法

在審

• 申請號: 202010921217.1
• 申請日: 2020-09-04
• 公開（公告）號: CN112116538A
• 公開（公告）日: 2020-12-22
• 發明（設計）人: 王力劭;程小葛;劉詩煒;劉喬瑋;郝日明
• 申請（專利權）人: 海略（連云港）科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/13;G06N3/04;G06N3/08
• 代理公司: 南京鑫之航知識產權代理事務所(特殊普通合伙) 32410
• 代理人: 姚蘭蘭

1.一種基于深度神經網絡的海洋勘測圖像質量增強方法，其特征在于包括以下步驟：

步驟一，原始圖像預處理：采用手動或邊緣檢測算法采集海洋勘測的原始圖像進行圖像的輪廓信息；

步驟二，圖像的增強處理；

2.1建立具有若干個結構相同層塊的深度神經網絡DNN模型；

2.2將步驟一所選輪廓內的圖像輸入深度神經網絡DNN模型內，由深度神經網絡DNN模型內不同的層塊依次提取所選輪廓內圖像不同的局部特征信息；

2.3深度神經網絡DNN模型將每個層塊提取的局部特征信息和該層塊的標記數據進行匹配，并將匹配度最高的局部特征信息進行權重的分配；

步驟三，生成高分辨率圖像：深度神經網絡DNN模型的最后一個層塊將增強處理后的圖像經過加權處理全局特征和原始圖像像素，得到高分辨率圖像。

2.根據權利要求1所述的基于深度神經網絡的海洋勘測圖像質量增強方法，其特征在于：步驟2.1還包括對深度神經網絡DNN的訓練過程，具體如下：

2.11對海洋勘測區域進行遠端和近端圖像采集，選取圖像輪廓，并對所選輪廓內的圖像提取RGB數據和位置信息，并把RGB數據和位置信息帶入哈希函數，分別生成遠端和近端所選輪廓內圖像的壓縮簽名或密鑰；

2.12利用余弦相似度檢測的方法，將遠端和近端圖像的壓縮簽名或密鑰匹配進行匹配，生成遠端模糊圖像和近端具有細節特征圖像的匹配對，再通過人工標注的方法對匹配對進行分類，其中清晰度高的圖像的標記數據為“正”，清晰度低的圖像的標記數據為“負”；

2.13標記數據為“正”的圖像在深度神經網絡DNN模型中，生成損失測量值；

2.14若損失測量值為1×10^-3，則獲得具有區分清晰海洋勘測圖像和包含噪音的海洋勘測圖像的深度神經網絡DNN模型；否則，復步驟2.12和步驟2.13，經過若干次迭代，直至損測量值為1×10^-3，獲得具有區分清晰海洋勘測圖像和包含噪音的海洋勘測圖像的深度神經網絡DNN模型。

3.根據權利要求1所述的基于深度神經網絡的海洋勘測圖像質量增強方法，其特征在于，步驟一中邊緣檢測算法的包括以下步驟：

1.1降噪：將原始圖像與高斯平滑模型做卷積處理，清除原始圖像的噪音部分，得到降噪圖像；

1.2生成邊緣：利用過濾矩陣檢測降噪圖像水平、垂直以及對角線方向的邊緣像素點，從而生成降噪圖像的邊緣像素點的梯度圖以及梯度方向。

4.根據權利要求2所述的基于深度神經網絡的海洋勘測圖像質量增強方法，其特征在于，余弦相似度檢測的具體過程如下：

以壓縮簽名或密鑰作為變量將遠端和近端圖像進行二維展開，得到遠端和近端圖像的向量；其中，遠端圖像的向量Image a＝[a_1,a_2,…a_n]，a為遠端圖像的壓縮簽名或密鑰，近端圖像的向量Image b＝[b_1,b_2,…b_3]，b為近端圖像的壓縮簽名或密鑰；然后分別計算遠端圖像向量和近端圖像向量的點積，若選定的遠端圖像向量和近端圖像向量的點積為1，則說明所選定的遠端圖像與近端圖像是匹配的，若點積為-1，在說明遠端圖像和近端圖像不匹配。