[发明专利]一种水下图像增强和数据集真值图像获得方法

说明书

本发明公开了一种水下图像增强和数据集真值图像获得方法，涉及图像质量增强领域，将自然图像质量评估方法(Natural Image Quality Evaluator,NIQE)作为FUnIE‑GAN的损失函数的一部分，进行图像增强工作；以NIQE值为指标，对于不同的数据集，采用遍历或者最优化的方法，寻找到数据集中最优的NIQE的权重，同时用该模型还原数据集中的图像，作为真值图片，用于后期的训练；采用最优损失权重系数下训练得到的网络模型进行实际场景的水下图像增强，输出增强后的水下图像。本发明方法具有更佳的NIQE指标，在颜色的直方图分布上更加均匀，更符合人眼感受，超出现有数据集所设置真值图像的效果。

技术领域

本发明涉及图像质量增强技术领域，具体涉及一种水下图像增强和数据集真值图像获得方法。

背景技术

人类快速发展带来的对自然资源的需求不断扩张，海洋蕴藏着丰富的物产资源，由于海洋环境更为危险和复杂，人工进行探索和开发的危险系数过高。水下机器人与人工操作相结合的方法虽然降低了风险，但是效率不高，水下机器人进行全自主探索和开发作业必将成为未来的趋势。利用相机获得周围环境信息的视频图像是水下机器人进行探测的重要信息来源之一，然而，通过相机直接获取的水下图像存在对比度低、图像模糊、色偏等问题，这是水下环境对光的散射作用和吸收作用造成的。因此，对水下图像的复原研究是基于视觉的水下机器人自主作业的前提，对人类开发海洋资源战略有着十分重要的意义。

对抗生成网络(Generative Adversarial Networks，GAN)是现有的主流水下图像增强算法之一，在许多场景中得到了应用，但是由于受特殊成像环境的限制，学习样本中的水下真值图像很难获得，当前真值样本依赖多种传统算法处理的结果，在其中选取最佳图像、或者通过估计水下图像的随机参数合成图像作为真值图像，造成与真实水下图像存在差距，难以获得多样的数据作为训练样本，就无法突破传统算法处理效果的限制。

总的来讲，GAN网络进行水下图像增强工作都需要大量的训练数据，包括水下退化图像和其对应的真值图像。但是由于受特殊成像环境的限制，学习样本中的水下真值图像很难获得，当前真值样本依赖多种传统算法处理的结果，在其中选取最佳图像、或者通过估计水下图像的随机参数合成图像作为真值图像，造成与真实水下图像存在差距，难以获得多样的数据作为训练样本，就无法突破传统算法处理效果的限制。

发明内容

发明目的：针对以上问题，本发明提出一种水下图像增强和数据集真值图像获得方法，相比于现有的基于水下图像增强的生成对抗网络，本发明的增强后的水下图像在对比度上能够超越真值图像数据集的设置。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种水下图像增强和数据集真值图像获得方法，包括以下步骤：

构建添加NIQE函数的FUnIE-GAN网络；在FUnIE-GAN网络架构基础上，在损失函数中添加NIQE项；有损图像作为网络的输入，水下真值图像作为网络的输出；

通过构建的网络对成对数据集进行训练，应用遍历法对损失权重系数进行选择，选择出最优的损失权重系数，更新网络的损失函数，得到最优的网络模型；

所述成对数据集包括一个有损图像数据集和一个真值图像数据集；有损图像数据集中的图像和真值图像数据集中的图像一一对应；

对实际水下图像进行采集，采用最优损失权重系数下训练得到的网络模型进行实际场景的水下图像增强，输出增强后的水下图像。

进一步的，网络损失函数表达式如下：