[發明專利]一種基于引導濾波的GAN網絡對水下圖像進行處理的方法

在審

• 申請號: 202110987634.0
• 申請日: 2021-08-26
• 公開（公告）號: CN113781333A
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 徐海勇;賴勇;吳圣聰;蔣剛毅;郁梅;駱挺
• 申請（專利權）人: 寧波大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/20;G06T7/13;G06N3/04;G06N3/08
• 代理公司: 寧波甬致專利代理有限公司 33228
• 代理人: 李迎春

本發明涉及一種基于引導濾波的GAN網絡對水下圖像進行處理的方法，包括：獲取原始的水下失真圖像；將原始的水下失真圖像利用引導濾波進行分解，分解成低頻水下圖像I_lf和高頻水下圖像I_hf；將生成的低頻水下圖像I_lf和高頻水下圖像I_hf同時輸入到GAN網絡中，生成增強后的低頻水下圖像以及增強后的高頻水下圖像將增強后的低頻水下圖像和增強后的高頻水下圖像通過像素級相加得到第一階段的增強水下圖像I_mid，將第一階段的增強水下圖像I_mid輸入細化模塊中，對水下圖像I_mid進行增強,生成了最后的水下圖像I_out，對生成的最后的水下圖像I_out進行監督學習，將經過監督學習的水下圖像I_out和真實的水下圖像輸入到判別器網絡中進行打分。

技術領域

本發明涉及水下圖像增強和復原技術領域，尤其是涉及一種基于引導濾波的GAN網絡對水下圖像進行處理的方法。

背景技術

水下圖像作為水下信息的重要載體，研究水下方向往往需要高質量的水下圖像。但是水下圖像往往容易產生顏色失真、對比度低、清晰度差和細節模糊等問題，這給水下機器人、水下目標檢測等海洋應用帶來了巨大的挑戰。近些年來，水下圖像的增強和復原在計算機視覺和圖像處理領域得到了廣泛的關注。一般地，主要有三類方法，第一類是基于空間域的方法，第二類是基于變換域圖像方法，第三類就是基于深度學習的方法。

基于空間域的方法是通過對像素點的重新分布去提高圖像的質量。此類方法中提升對比度的常用方法有直方圖均衡化(HE)，對比度受限自適應直方圖均衡化(CLAHE)，伽馬矯正(GUM)等，對顏色進行校正的方法有灰色世界(GW)，白平衡(WB)等。由于水下復雜的環境，這些傳統的方法效果有限。為了進一步提高水下圖像質量，多尺度融合算法被提出，可以不考慮水下圖像的退化過程，首先對原圖像進行顏色校正和對比度增強，然后和原圖像作為輸入，通過四種權重將兩幅圖像融合，得到清晰度好，對比度高的圖像。還有基于顏色空間的算法，例如基于Retinex方法將RGB顏色空間轉換為Lab顏色空間中，從而對水下圖像進行顏色校正；一種新的顏色校正方法利用lαβ顏色空間對水下圖像進行顏色校正；此外還有使用基于擴展

多尺度Retinex的方法復原水下圖像。這類方法雖然可以提高水下圖像的質量，但是沒有考慮水下圖像的退化過程。

基于變換域的方法是將空間域的圖像變換為頻域圖像做增強，其中頻域圖像是將圖像分解成高低頻圖像，低頻圖像是對整幅圖像的強度的綜合度量，高頻圖像是對圖像的邊緣信息和輪廓的度量。頻域圖像可以用物理方法調整圖像像素，常用的有傅里葉變換和小波變換，基于變換域的方法雖然能夠提高對比度和可見性，但是容易放大噪聲。

深度學習方法廣泛進入人們的視野，在水下圖像方面取得了不錯的效果。深度學習方法可利用大量的訓練數據，得到一個好的模型，考慮水下圖像的退化過程，進行顏色校正，提高對比度，清晰度和增強細節等。常見的深度學習方法有卷積神經網絡(Convolutional Neural Networks)和對抗生成網絡(Generative AdversarialNetwork)。

發明內容

本發明所要解決的技術問題是提供

本發明所采用的技術方案是，一種基于引導濾波的GAN網絡對水下圖像進行處理的方法，該方法包括下列步驟：

(1)、獲取原始的水下失真圖像；