[发明专利]一种水下图像目标检测方法及系统

权利要求书

1.一种水下图像目标检测方法，其特征在于，包括：

获取待检测水下图像，并利用多尺度卷积神经网络MS-CNN去噪算法和暗通道先验去噪算法对所述待检测水下图像进行预处理得到第一图像；

将所述第一图像输入训练好的预设特征金字塔网络FPN，输出目标检测结果；其中，所述预设FPN的卷积层为PVA网络，且加入C.ReLU结构。

2.根据权利要求1所述方法，其特征在于，所述利用MS-CNN去噪算法和暗通道先验去噪算法对所述待检测水下图像进行预处理得到第一图像，具体包括：

分别利用MS-CNN去噪算法和暗通道先验去噪算法对所述待检测水下图像进行预处理，得到第二图像和第三图像；

利用预设投票机制选取所述第二图像和所述第三图像中的一幅图像作为所述第一图像。

3.根据权利要求2所述方法，其特征在于，所述预设投票机制的投票指标为峰值信噪比PSNR和图像熵；相应地，

所述利用预设投票机制选取所述第二图像和所述第三图像中的一幅图像作为所述第一图像，具体包括：

若判断获知所述第二图像的PSNR和图像熵之和不小于所述第三图像的PSNR和图像熵之和，则选取所述第二图像作为所述第一图像；若判断获知所述第二图像的PSNR和图像熵之和小于所述第三图像的PSNR和图像熵之和，则选取所述第三图像作为所述第一图像。

4.根据权利要求1所述方法，其特征在于，在所述将所述第一图像输入训练好的预设特征金字塔网络FPN之前，还包括：

通过数据扩充方法获取训练数据集；

利用所述训练数据集对所述预设FPN进行训练，得到所述训练好的FPN。

5.根据权利要求4所述方法，其特征在于，所述通过数据扩充获取训练数据集，具体包括：

通过水平翻转、上下翻转、旋转预设角度、随机缩放、随机裁剪以及添加噪声中的一种或多种方法获取训练数据集。

6.根据权利要求4所述方法，其特征在于，所述利用所述训练数据集对所述预设FPN进行训练，具体包括：

在训练过程中，将所述训练数据集中任一图像输入所述预设FPN中的区域推荐网络RPN得到第一分类损失和第一边界框回归损失，将所述任一图像输入所述预设FPN中的FastRCNN得到第二分类损失和第二边界框回归损失；

将所述第一分类损失和所述第二分类损失进行加权融合，将所述第一边界框回归损失和所述第二边界框回归损失进行加权融合。

7.根据权利要求4所述方法，其特征在于，所述利用所述训练数据集对所述预设FPN进行训练，具体包括：

在训练过程中，利用在线困难样本挖掘算法对所述预设FPN进行训练。

8.一种水下图像目标检测系统，其特征在于，包括：

图像预处理模块，用于获取待检测水下图像，并利用MS-CNN去噪算法和暗通道先验去噪算法对所述待检测水下图像进行预处理得到第一图像；

目标检测模块，用于将所述第一图像输入训练好的预设特征金字塔网络FPN，输出目标检测结果；其中，所述预设FPN的卷积层为PVA网络，且加入C.ReLU结构。

9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如权利要求1至7任一项所述的水下图像目标检测方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一项所述的水下图像目标检测方法。