基于流明一致性与互补色矫正联合学习的水下图像复原模型

本发明涉及水下图像处理，具体而言，尤其涉及一种基于流明一致性与互补色矫正联合学习的水下图像复原模型。

背景技术：

1、水下环境的物理属性对水下图像处理构成了很大的挑战。由于水分子的吸收和散射特性，水下采集的图像往往会受到退化的影响。其中，前向散射和后向散射是影响图像质量的主要因素。前向散射使得图像变得模糊，而后向散射掩盖了图像的细节。除此之外，水下环境中的悬浮颗粒也是影响水下图像质量的一个重要因素。这些悬浮颗粒会引起散射和吸收，导致图像出现噪声和模糊。对于海洋环境监测、海洋生态保护、考古学以及海洋资源勘探等领域，获取高质量的水下图像非常重要。因此，研究人员们开发了各种技术和方法来克服水下环境对图像质量的影响。例如，针对前向散射和后向散射的问题，人们研发了各种图像增强算法，如去模糊、去噪、图像复原和增强等方法，以提高水下图像的清晰度和可见性。

技术实现思路

1、根据上述提出的技术问题，提供一种基于流明一致性与互补色矫正联合学习的水下图像复原模型。本发明主要使用水下人工光场景与自然光场景几何结构相似性进行亮度区域一致性约束，引导模型对水下低质图像采用近似的特征提取范式，根据互补色图像与原始低质图像的颜色互逆性矫正水体吸收作用造成的颜色特征漂移问题，针对现有水下图像增强方法中存在的结构性损失问题，基于互补色图像结构一致性特点，构建阶段性交互式联合学习策略进行结构信息补全，最后基于真实场景水下数据集进行训练、推理，对水下图像进行复原。

2、本发明采用的技术手段如下：

3、基于流明一致性与互补色矫正的水下图像复原方法，包括以下步骤：

4、步骤s01：获取水下低质图像数据集及对应高质图像参考数据集，按照8:1:1的比例随机划分训练集、验证集和测试集；

5、步骤s02：根据人工光场景与自然光场景的几何结构相似性，对所述水下低质图像进行光照区域划分，获取光照区域划分特征图；

6、步骤s03：根据水下图像rgb通道衰减特性构建通道自适应分支，将所述水下低质图像作为输入，通过通道特征压缩提取获得动态通道权重；

7、步骤s04：将所述步骤s02获取的光照区域划分特征图进行高维特征提取并与所述步骤s03获取的通道权重进行自适应融合，获取高维特征图；

8、步骤s05：获取输入所述水下低质图像的互补色特征图；

9、步骤s06：根据所述步骤s02、s03、s04对互补色特征图进行特征提取，对所述水下低质图像与其互补色特征图进行结构一致性引导，得到全局通道共享系数mr，mg，mb；

10、步骤s07：根据所述步骤s06中获取的全局通道共享系数mr，mg，mb计算互补色补偿特征图，对所述水下低质图像进行颜色漂移矫正；

11、步骤s08：构建阶段式联合学习策略；对所述水下低质图像进行亮度区域一致性引导与结构信息补偿；

12、步骤s09：搭建组合式损失函数，以所述步骤s01获取的数据集为基础单位进行迭代训练，得到最终的高质恢复图像。

13、较现有技术相比，本发明具有以下优点：

14、1、为解决由水下自然光场景与人工光场景光源差异导致图像亮度表征复杂与复原图像局部过曝或局部欠曝问题。本发明首先揭示人工光场景与自然光场景亮度特征几何结构相似性，并基于相似性搭建复原模型，同时考虑人工光与自然光场景，简化水下复原模型复杂度，增加模型泛化能力。

15、2、为克服现有方法对水下图像表征能力不足的缺点，本发明引入门控机制，设计了高效的水下门控模块，通过增加模型非线性拟合能力提高表征学习效率。

16、3、针对水下图像颜色特征漂移与结构损失问题，本发明利用互补色图像本源特征构建阶段性交互式联合学习策略，进行颜色漂移矫正与结构信息补全。

17、基于上述理由本发明在水下图像修复领域广泛推广，尤其适用于水下机器人抓取等光源复杂场景。

技术特征：

1.基于流明一致性与互补色矫正的水下图像复原方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于流明一致性与互补色矫正的水下图像复原方法，其特征在于，所述步骤s02光照区域划分计算方法为：

3.根据权利要求1所述的基于流明一致性与互补色矫正的水下图像复原方法，其特征在于，所述步骤s03所述通道自适应分支构建步骤为：

4.根据权利要求1所述的基于流明一致性与互补色矫正的水下图像复原方法，其特征在于，步骤s04所述高维特征提取与通道权重融合计算方法为：

5.根据权利要求1所述的基于流明一致性与互补色矫正的水下图像复原方法，其特征在于，所述步骤s05所述互补色图像计算公式为：

6.根据权利要求1所述的基于流明一致性与互补色矫正联合学习的水下图像复原模型，其特征在于，所述步骤s06计算全局通道共享系数mr，mg，mb步骤为：

7.根据权利要求1所述的基于流明一致性与互补色矫正联合学习的水下图像复原模型，其特征在于，步骤s07所述颜色漂移矫正公式为：

8.根据权利要求1所述的基于流明一致性与互补色矫正联合学习的水下图像复原模型，其特征在于，步骤s08所述阶段式联合学习策略步骤为：

9.根据权利要求1所述的基于流明一致性与互补色矫正的水下图像复原方法，其特征在于，所述步骤s09所述组合损失函数公式为：

技术总结
本发明提供一种基于流明一致性与互补色矫正联合学习的水下图像复原模型。本发明主要使用水下人工光场景与自然光场景几何结构相似性进行亮度区域一致性约束，引导模型对水下低质图像采用近似的特征提取范式，根据互补色图像与原始低质图像的颜色互逆性矫正水体吸收作用造成的颜色特征漂移问题，针对现有水下图像增强方法中存在的结构性损失问题，基于互补色图像结构一致性特点，构建阶段性交互式联合学习策略进行结构信息补全，最后基于真实场景水下数据集进行训练、推理，对水下图像进行复原。

技术研发人员：周景春,盖琪林,张维石
受保护的技术使用者：大连海事大学
技术研发日：
技术公布日：2024/1/16