[发明专利]一种用于水下图像复原的深度学习训练数据集合成方法

权利要求书

1.一种用于水下图像复原的深度学习训练数据集合成方法，其特征在于，包括以下步骤：

获取现有RGBD数据集，并基于水下图像参数估计算法计算出真实水下场景对应的RGB颜色数值集合；

基于柏林噪声生成不均匀的单通道背景光集合，并利用改进的水下光学模型生成多个数据对应的合成水下图像，其中，多个所述数据为在所述RGBD数据集、所述RGB颜色数值集合和所述单通道背景光集合中随机抽取的数据；

获取现有RGBD数据集，并基于水下图像参数估计算法计算出真实水下场景对应的RGB颜色数值集合，包括：

获取室内外深度数据集，以及获取UIEB数据集；

获取每张所述UIEB数据集的深度信息，并将所述深度信息按照降序排序后，获取排序第一位上的0.1％的像素中最大值，作为一组像素值符合阈值的RGB颜色数值集合；

获取现有RGBD数据集，并基于水下图像参数估计算法计算出真实水下场景对应的RGB颜色数值集合之后，所述方法还包括：

将得到的所述像素值乘以一位以正态分布随机生成的在±0.1之间的数值；

基于柏林噪声生成不均匀的单通道背景光集合，并利用改进的水下光学模型生成多个数据对应的合成水下图像，包括：

将柏林噪声设置为二维，得到一组不均匀的单通道背景光集合；

基于RGBD图像数据、RGB颜色数值和单通道背景光，得到添加了不均匀光成分的改进的水下光学模型，其中，所述RGB颜色数值和所述单通道背景光分别在所述RGB颜色数值集合和所述单通道背景光集合中随机抽取的数据；

设置30％生成的水下图像中不均匀背景光的成分权重为0，另外70％的所述水下图像的成分权重为随机生成的系数值，并根据曝光程度自适应地调节所述系数值；同时根据所述RGBD数据集中对应深度图，得到传输映射；

将对应的图像和数据代入所述改进的水下光学模型，得到合成水下图像，其中，所述图像和数据为RGBD图像数据、RGB颜色数值、单通道背景光及其权重、传输映射；

其中，添加了不均匀背景光项的改进的水下光学模型：

I_c(x)＝J_c(x)T_c(x)+A_c(1-T_c(x))+ηN(x)

其中，x表示像素坐标，c表示颜色通道R、G、B；A_c代表通道c的全局背景光，对每一通道为常量；J_c(x)表示未退化图像，I_c(x)表示退化后图像；T_c(x)称作传输映射，即经过距离d(x)前后的能量比例，d(x)表示图像的深度；η为自适应参数用于控制添加的不均匀成分的权重；考虑存在没有不均匀光线的水下图像，设置30％的生成的水下图像中不均匀背景光成分权重η＝0；其他水下图像中不均匀背景光权重η为随机生成的系数值，并根据曝光程度自适应调节该数值；自适应规则由添加不均匀背景光后图像中新增白色像素占整幅图像像素数的比例决定；最后，随机生成衰减系数值，再利用RGBD图像对应的深度映射d(x)带入传输映射方程得到传输映射T_c(x)。