[发明专利]基于卷积神经网络的水下图像复原方法

说明书

本发明公开了一种单幅水下图像复原方法，主要解决现有技术在处理水下图像时色偏校正和清晰化处理效果欠佳的问题。其方案是：在Caffe框架下分别构建环境光估计网络和透射率估计网络；获取一组深度图像集J和d(J)，随机生成透射率T和环境光A，合成水下图像集I；将I、A按批量依次循环输入至环境光估计网络进行训练；再将I、T按批量依次循环输入至透射率估计网络进行训练；将待处理的图像I_c输入至完成训练的神经网络，输出环境光A_c和透射率T_c；根据A_c和T_c计算得到清晰图像J_c。本发明提高了图像对比度并能校正色偏，其峰值信噪比、结构相似性和色差公式三个指标均优于现有技术，可用于水下图像的清晰化处理。

技术领域

本发明属于图像处理技术领域,特别涉及一种水下图像复原方法,可用于对成像系统拍摄的单幅水下图像处理。

背景技术

受现实条件中水对光线吸收与散射作用的影响，成像设备捕获的水下图像质量普遍偏低，经常存在对比度低、色调偏移、信息可辨识度低的现象。这些降质的图像不仅影响人眼的主观感受，更严重影响了各类智能视觉信息处理系统的性能。因此，对水下图像进行清晰化处理具有非常重要的实际应用价值。

目前，水下图像处理方法的关键问题是如何提高图像清晰度并校正色偏，主要分为基于图像增强和基于图像复原两类方法。

基于图像增强的水下图像处理，是利用现有的图像增强技术，针对水下图像降质的表现，选取相应的图像增强技术，改善图像质量。典型的方法如Fu等人提出的基于Retinex的水下图像增强算法，见Fu X,Zhuang P,Huang Y,et al.A retinex-basedenhancing approach for single underwater image[C]//IEEE InternationalConference on Image Processing.2015:4572-4576；Zhang等人提出基于直方图均衡化的水下图像增强算法，见Zhang W,Li G,Ying Z,and et al.A New Underwater ImageEnhancing Method via Color Correction and Illumination Adjustment[C]//IEEEInternational Conference on Visual Communications and Image Processing.2017,DOI:10.1109/VCIP.2017.8305027；Henke等人提出基于白平衡的水下图像增强算法，见Henke B,Vahl M,Zhou Z.Removing color cast of underwater images through non-constant color constancy hypothesis[C]//IEEE International Symposium on Imageand Signal Processing and Analysis.2014:20-24.这类方法有效改善了图像质量，但由于未考虑水下图像降质原理，忽略降质程度与深度之间的关系，其增强结果不能正确反映图像真实色彩。

基于图像复原的水下图像处理，是利用构建的水下成像模型反演出未降质图像，需要估计未知参数环境光和透射率。这类方法根据参数估计方式可分为基于先验的复原方法和基于深度学习的复原方法，其中：