买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：大连海事大学

摘要：本发明提供一种基于图像反射分量和深度学习模型的水下图像增强方法包括：提取输入图像的反射分量，通过辅助分支网络的多层卷积算子识别反射分量的特征信息。在方法的主网络中以源图像作为输入，通过多维编码器组提取源图像特征信息，并且与辅助分支网络的同维度特征矩阵进行深度方向融合，最终通过解码器组复原得到增强后图像。本发明基于图像反射分量和深度学习模型，在传统图像增强网络的基础上新增一个基于图像反射分量的辅助分支网络。辅助网络以反射分量作为输入，并在多个层级与主网络融合，使网络能从退化图像和表现图像本质信息的反射分量中两方面提取特征矩阵。

主权项：1.基于图像反射分量和深度学习模型的水下图像增强方法，其特征在于，包括以下步骤：步骤S01：获取原始RGB水下图像，通过多尺度Retinex方法对所述原始RGB水下图像剔除反射分量，获取原始图像的反射分量图像；步骤S02：将反射分量图像输入辅助分支网络，通过多层卷积算子提取反射分量的特征信息；所述步骤S02中的将反射分量图像输入辅助分支网络，通过多层卷积算子提取反射分量的特征信息，其卷积算子的公式如下： 其中，xin表示输入的图像特征矩阵，xout表示输出的图像特征矩阵,bn表示批量归一化操作，Conv表示卷积算子，preLu函数公式如下： 其中，x表示函数自变量，a表示待训练参数；步骤S03：将所述RGB水下图像输入到主网络中，通过多维编码器组提取源图像特征信息，并且与辅助分支网络的同维度特征矩阵进行深度方向融合，得到特征矩阵；所述步骤S03中的将源图像输入到主网络中，通过多维编码器组提取源图像特征信息，并且与辅助分支网络的同维度特征矩阵进行深度方向融合，得到特征矩阵；其中的编码器的计算过程为：首先，公式如下： 其中，Fm表示特征矩阵中间结果，dwconvi表示尺度为i的二次卷积，relu表示激活函数，公式为：relux＝max0,x10；在多尺度卷积之后，通过三个分支网络对Fm进行推理计算，公式如下： x2＝Fm12；x3＝GGFm13； 其中，x1，x2和x3分别表示三个分支网络的输出特征矩阵；Poolavg表示平均池化操作；A1T表示线性层1的参数矩阵，b1表示线性层1的偏置参数；A2T表示线性层2的参数矩阵，b2表示线性层2的偏置参数；Gx表示以PreLu作为激活函数的卷积操作；最后，将三个输出特征矩阵在深度方向进行叠加，公式如下： 其中，xout表示编码器输出；步骤S04：将所述特征矩阵输入到双上采样算子解码器组中，每个双上采样编码器通过双通道将转置卷积与亚像素卷积相结合，将二者所输出的特征图进行深度方向叠加，充分利用输入特征图的特征信息，从而还原输出图像。

全文数据：

权利要求：

百度查询： 大连海事大学 基于图像反射分量和深度学习模型的水下图像增强方法