一种基于双通道卷积神经网络的水下图像增强方法

技术特征：
1.一种基于双通道卷积神经网络的水下图像增强方法，其特征在于，所述双通道卷积神经网络包括浅层卷积神经网络、深层卷积神经网络和微调卷积神经网络，所述水下图像增强方法包括如下步骤：s1：建立图像训练集，从所述图像训练集中选取图像作为待优化目标图像；s2：将一张待优化目标图像输入至浅层卷积神经网络分支对目标图像的全局结构进行优化，得到全局结构优化图像；所述浅层网络包含五个卷积层，卷积核均为3，每个卷积层后接归一化处理函数和leakyrelu激活函数，并在第一个卷积块与最后一个卷积块中加入残差；s3：将另一张待优化目标图像输入至深层卷积神经网络分支对目标图像进行细节信息恢复，得到细节信息恢复图像；所述深层网络包含十三个卷积层，卷积核均为3，每个卷积层后接归一化处理函数和leakyrelu激活函数，并采用注意力机制模块se block与卷积块共同处理待优化目标图像；s4：将全局结构优化图像和细节信息恢复图像输入至微调卷积神经网络中，利用张量拼接操作进行图像融合，输出增强后目标图像；所述微调卷积神经网络包含六个卷积层，卷积核均为3，每个卷积层后接归一化处理函数和leakyrelu激活函数；s5：对图像训练集中的所有图像进行上述步骤，直至图像增强完毕。2.根据权利要求1所述的基于双通道卷积神经网络的水下图像增强方法，其特征在于，s1包括如下步骤：选取处于不同海洋环境、不同深度的水下图像数据集作为训练集，并利用数据增强增加数据量收集不同海域、不同深度的真实水下图像数据集与不同场景、不同条件的合成水下图像集作为训练集和验证集作为双通道卷积神经网络的训练集和验证集；采用数据增强方法，将训练集和验证集的样本容量扩大一倍。3.根据权利要求2所述的基于双通道卷积神经网络的水下图像增强方法，其特征在于，所述数据增强方法包括图像翻转、图像缩放、图像裁剪、图像平移。4.根据权利要求1所述的基于双通道卷积神经网络的水下图像增强方法，其特征在于，所述待优化目标图像为3通道的rgb图像。5.根据权利要求1所述的基于双通道卷积神经网络的水下图像增强方法，其特征在于，s2包括如下步骤：对待优化目标图像进行用以减少图像中的噪声影响的预处理；利用四个卷积神经网络模块对预处理后的待优化目标图像进行全局结构信息的恢复；采用残差操作将浅层卷积神经网络的第一个卷积块与最后一个卷积块进行连接，让网络可以提取到更深层的特征，同时避免出现梯度消失或爆炸，得到全局结构优化图像。6.根据权利要求1所述的基于双通道卷积神经网络的水下图像增强方法，其特征在于，s3包括如下步骤：对待优化目标图像进行用以减少图像中无关的信息影响的预处理；利用四个自注意模块对预处理后的待优化目标图像进行进一步的信息提取；采用通道注意力机制se block充分辨别有效信息与无效信息，se block从单张图像开始，提取图像特征，当前特征层u的特征图维度为[c,h,w]，其中，h代表高，w代表宽，c代表通
道数；对特征图的[h,w]维度进行平均池化或最大池化，池化后的特征图大小为[c,1,1]，即得到了每个通道的权重；将权重作用与特征图u[c,h,w]，即每个通道各自乘以各自的权重，得到细节信息恢复图像。7.根据权利要求1所述的基于双通道卷积神经网络的水下图像增强方法，其特征在于，s4包括如下步骤：将经过深浅层卷积神经网络模块处理后得到的两张图片融合到一起作为新的输入图像；利用六个卷积块对新的输入图像进行颜色校正；输出增强后的水下图像。8.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时，执行所述权利要求1至7中任一项权利要求所述的基于双通道卷积神经网络的水下图像增强方法。9.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序运行执行所述权利要求1至7中任一项权利要求所述的基于双通道卷积神经网络的水下图像增强方法。

技术总结
本发明提供了一种基于双通道卷积神经网络的水下图像增强方法，涉及水下图像增强与复原技术领域，包括如下步骤：S1：建立图像训练集；S2：将一张待优化目标图像输入至浅层卷积神经网络分支对目标图像的全局结构进行优化，得到全局结构优化图像；S3：将另一张待优化目标图像输入至深层卷积神经网络分支对目标图像进行细节信息恢复，得到细节信息恢复图像；S4：将全局结构优化图像和细节信息恢复图像输入至微调卷积神经网络中，利用张量拼接操作进行图像融合，输出增强后目标图像；S5：对图像训练集中的所有图像进行上述步骤，直至图像增强完毕。本发明能够有效增强对比度低、颜色失真严重的水下图像，同时保留图像的细节信息，较好的改善图像质量。好的改善图像质量。好的改善图像质量。


技术研发人员：纪勋 冷娜 王靖淇
受保护的技术使用者：大连海事大学
技术研发日：2022.11.17
技术公布日：2023/2/6