[发明专利]一种基于深度学习的水下偏振图像复原系统及其复原方法

说明书

本发明提供了一种基于深度学习的水下偏振图像复原系统及其复原方法。包括以下步骤：步骤1、搭建水下偏振成像系统，拍摄清晰水下强度图像和不同浑浊度水下的偏振图像；步骤2、整理并命名各组偏振图像，建立大量数据集。步骤3、按0.8：0.1：0.1的比例划分训练集，验证集，测试集；步骤4、设计适用于水下偏振图像复原的卷积神经网络；步骤5、生成恢复图像步骤6利用训练集训练上述网络模型；步骤7、用测试集测试经网络模型恢复后的图像质量效果。与现有技术相比，本发明可利用卷积神经网络进行高浑浊度水下图像复原，且恢复图像效果更佳。

技术领域

本发明涉及偏振成像技术，特别涉及水下复杂环境下的一种基于深度学习的水下偏振图像复原系统及其复原方法。

背景技术

水下成像作为研究水下世界的一种重要方法，在水下目标探测识别、水下考古、水下环境监测等领域中得到了广泛的应用。然而,在传统的水下光学成像，由于散射光的影响，成像质量受到很大的限制混浊粒子的干涉这些图像通常显示低能见度、低对比度和缺乏图像细节。特别是后向散射]光对图像对比度有重要影响。

目前，水下图像复原方法主要是分为两类，包括数字图像处理复原技术和光学复原技术。数字图像处理复原技术主通常算法简单，处理速度快，但其恢复目标细节的能力有限，且存在问题部分图像失真。光学复原技术主要是基于物理退化模型来实现的反演得到真实场景的光强恢复，包括偏振光学成像、多光谱融合复原等。偏振光学成像结构简单，应用方便，是目前最有效的光学复原技术之一,但成像效果仍存在一定局限性，影响了进一步的应用。

发明内容

本发明针对背景技术存在的不足，本发明提供了一一种基于深度学习的水下偏振图像复原系统及其复原方法。输入端口中引入圆偏振图像，利用四张偏振图像进行相关参数K的估计，从而进行图像复原，可有效提高图像成像质量。

对背景技术存在的不足，本发明提供了一种基于深度学习的水下偏振图像复原系统，包括水下主动成像系统；水下主动成像系统包括设置在水下目标物上(7)外侧的主动光源、偏振调制系统和图像采集系统；主动光源包括对准水下目标物上(7)进行激光照射的激光器(1)，偏振调制系统包括设置在激光器(1)照射光束路径上的第一偏振片(2)，第一四分之一波片(3)和扩束器(4)，用于激光器(1)发出的光束依次经过第一偏振片(2)、第二四分之一波片(10)和扩束器(4)后照射在水下目标物上(7)；图像采集系统包括对准水下目标物上(7)的第一CMOS相机(11)、第二四分之一波片(10)、由步进电机控制旋转的第二偏振片(8)和计算机(13)；第二四分之一波片(10)和第二偏振片(8)分别设置在第一CMOS相机(11)与水下目标物上(7)的光束反射路径上，用于水下目标物(7)将激光器(1)发出的光束反射后依次经过第二偏振片(8)、第二四分之一波片(10)后到达第一CMOS相机(11)；计算机(13)与步进电机电连接。

进一步的，第二偏振片(8)和第二四分之一波片(10)之间设置分束器(9)和第二CMOS相机(12)，第二CMOS相机(12)对准分束器(9)；通过分束器(9)将水下目标物(7)反射后经过第二偏振片(8)的光束分成两束光束，其中一束光束经过第二四分之一波片(10)到达第一CMOS相机(11)，另一束光束直接到达第二CMOS相机(12)。

所述第二偏振片(8)设有与其相连接的偏振片底座(未示出)，所述偏振片底座由所述步进电机控制旋转，用于自动调整所述第二偏振片(8)的旋转角度。

优选的，激光器采用532nm蓝绿激光器。

计算机(13)用于接收并处理第一CMOS相机(11)和第二CMOS相机(12)拍摄的图像信息。

本发明还提供了一种基于深度学习的水下偏振图像复原系统上的复原方法：

包括以下复原步骤：