【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及計算機視覺，具體來說，涉及一種基于無監(jiān)督擴散模型的水下圖像增強方法。
技術(shù)介紹
1、水下生物探測、海洋牧場捕撈等水下作業(yè)對水下機器人的環(huán)境感知精度具有較高的要求。水下圖像作為海洋環(huán)境感知的載體，其清晰度決定著水下機器人環(huán)境感知能力的強弱。因此，水下圖像增強技術(shù)一直是研究者們探索海洋奧秘的關(guān)鍵研究方向之一。
2、然而，海洋生物豐富導(dǎo)致水質(zhì)混濁，水體屬性導(dǎo)致光在水中的吸收和衰減極其嚴(yán)重且具有波長依賴性，水中懸浮顆粒造成的光折射導(dǎo)致水下成像過程復(fù)雜。因此，直接從水下機器人拍攝的水下圖像中獲取充足的水下信息較為困難。為解決這一難題，越來越多的學(xué)者們加入水下圖像增強這一領(lǐng)域，致力于設(shè)計一個高效魯棒的水下圖像增強方法，改善水下圖像的質(zhì)量，提高水下機器人的環(huán)境感知能力。
3、水下圖像增強技術(shù)主要可以分為三類，主要包括基于非物理模型的方法，基于物理模型的方法以及基于數(shù)據(jù)驅(qū)動的方法。其中非物理模型的方法主要通過逐像素增強圖像，包括基于融合的方法，基于retinex理論以及顏色恒常性等方法，此類方法忽略水下降質(zhì)過程，其增強結(jié)果往往易出現(xiàn)過飽和或者欠飽和等現(xiàn)象。基于物理模型的方法主要是分析水下成像過程，構(gòu)建水下成像模型，通過求解相關(guān)參數(shù)反推出清晰的水下圖像，此類方法一般基于特定的假設(shè)和先驗，由于水下成像過程及其復(fù)雜，特定的假設(shè)和先驗并不總是成立導(dǎo)致增強結(jié)果通常出現(xiàn)新的色偏?；跀?shù)據(jù)驅(qū)動的方法主要包括有監(jiān)督的方法、半監(jiān)督的方法以及無監(jiān)督的方法。其中，有監(jiān)督的水下圖像增強方法主要通過建立水下圖像到其清晰圖像的映射關(guān)系
4、近年來，去噪擴散概率模型作為一種新的生成框架異軍突起。它包含兩個過程，分別是前向擴散過程和逆向擴散過程。其中，前向過程是指逐漸向圖像中添加高斯噪聲，使其越來越模糊和隨機，直到圖像接近各向同性高斯分布；逆向過程是從隨機高斯分布去除噪聲，重構(gòu)原始數(shù)據(jù)。基于擴散模型強大的理論基礎(chǔ)，越來越多的學(xué)者們利用擴散模型增強水下圖像，例如將擴散模型與小波變換相結(jié)合，對圖像進行預(yù)處理作為擴散模型的條件輸入等，此類方法相較于生成對抗網(wǎng)絡(luò)，訓(xùn)練更加穩(wěn)定，但仍然需要龐大的成對數(shù)據(jù)集用于訓(xùn)練，網(wǎng)絡(luò)的泛化性能仍有待提高。
技術(shù)實現(xiàn)思路
1、鑒于現(xiàn)有水下圖像增強方法存在需要成對的高質(zhì)量數(shù)據(jù)進行模型訓(xùn)練的限制，本專利技術(shù)提供一種基于無監(jiān)督擴散模型的水下圖像增強方法。本專利技術(shù)通過將生成對抗網(wǎng)絡(luò)和擴散模型相結(jié)合，能夠在沒有參考圖像的真實水下場景進行訓(xùn)練，有效緩解真實水下圖像中存在的色偏、對比度低等問題。
2、本專利技術(shù)采用的技術(shù)手段如下：
3、一種基于無監(jiān)督擴散模型的水下圖像增強方法，包括以下步驟：
4、步驟1：獲取水下圖像訓(xùn)練集，所述水下圖像訓(xùn)練集包括水下降質(zhì)圖像以及非成對的水下清晰圖像；
5、步驟2：構(gòu)建基于對抗性對比學(xué)習(xí)的預(yù)增強網(wǎng)絡(luò)，所述基于對抗性對比學(xué)習(xí)的預(yù)增強網(wǎng)絡(luò)用于將降質(zhì)水下圖像域轉(zhuǎn)換到清晰水下圖像域；所述基于對抗性對比學(xué)習(xí)的預(yù)增強網(wǎng)絡(luò)包括一個生成器和一個判別器，所述生成器一方面用于對水下降質(zhì)圖像進行處理生成預(yù)增強結(jié)果，另一方面用于對水下清晰圖像進行處理生成一致性結(jié)果；所述判別器用于判定給定的圖像是真實的清晰圖像還是生成器產(chǎn)生的偽清晰圖像；
6、步驟3：使用水下圖像訓(xùn)練集訓(xùn)練基于對抗性對比學(xué)習(xí)的預(yù)增強網(wǎng)絡(luò)；
7、步驟4：構(gòu)建基于小波變換的條件去噪擴散概率模型，所述基于小波變換的條件去噪擴散概率模型的輸入數(shù)據(jù)為降質(zhì)水下圖像和預(yù)增強的水下圖像；所述基于小波變換的條件去噪擴散概率模型被設(shè)置為執(zhí)行以下步驟：
8、首先，對降質(zhì)水下圖像和預(yù)增強的水下圖像分別進行k次二維離散小波變換，獲取小波域的低頻子帶和高頻子帶，
9、其次，對小波域的低頻子帶進行擴散處理，所述擴散處理包括前向擴散過程和逆向擴散過程，所述前向擴散過程被設(shè)置為向真實數(shù)據(jù)樣本逐步添加高斯噪聲直至變成隨機噪聲的馬爾科夫鏈，所述逆向擴散過程被設(shè)置為對隨機噪聲逐步去噪直至生成一個真實樣本，
10、同時，通過高頻增強模塊對第k次小波變換后的高頻子帶進行細節(jié)增強處理，所述高頻增強模塊通過深度可分離卷積操作提取高頻子帶的特征，計算特征間的交叉注意力并進行串聯(lián)得到互補特征，將子帶的特征圖進行空洞卷積從而進行更好的細節(jié)增強，分別對細節(jié)增強后的特征圖進行深度可分離卷積操作，獲得重建高頻子帶，
11、最后，對小波域的處理結(jié)果進行k次二維逆離散小波變換生成水下圖像增強結(jié)果；
12、步驟5：利用水下圖像訓(xùn)練集中的降質(zhì)水下圖像以及基于對抗性對比學(xué)習(xí)的預(yù)增強網(wǎng)絡(luò)輸出的預(yù)增強圖像，訓(xùn)練基于小波變換的條件去噪擴散概率模型；
13、步驟6：將待處理的真實水下圖像輸入訓(xùn)練后的基于對抗性對比學(xué)習(xí)的預(yù)增強網(wǎng)絡(luò)，獲取預(yù)增強圖像，再將預(yù)增強圖像輸入訓(xùn)練后的基于小波變換的條件去噪擴散概率模型，從而獲取最終的水下增強圖像。
14、進一步地，所述基于對抗性對比學(xué)習(xí)的預(yù)增強網(wǎng)絡(luò)的損失函數(shù)根據(jù)以下計算獲?。?/p>
15、
16、其中，λ1，λ2和λ3分別表示平衡各項損失函數(shù)的權(quán)重系數(shù)，表示生成器g的最小二乘gan損失，表示所構(gòu)建預(yù)增強網(wǎng)絡(luò)的分塊多層對比損失，表示生成器g的一致性損失。
17、進一步地，所述表示生成器g的最小二乘gan損失根據(jù)以下計算獲?。?/p>
18、
19、其中，是用于優(yōu)化生成器的目標(biāo)函數(shù)，是用于優(yōu)化判別器的目標(biāo)函數(shù)，g(x)表示生成器產(chǎn)生的結(jié)果，d(g(x))表示判別器d判斷生成器g生成的結(jié)果是否真實的概率，表示分布函數(shù)的期望值，pfake表示降質(zhì)水下圖像通過生成器生成的結(jié)果的分布，d(y)表示判別器d判別清晰水下圖像為真實數(shù)據(jù)的概率，preal表示清晰水下圖像通過生成器生成的結(jié)果的分布，k2＝1表示真實數(shù)據(jù)的標(biāo)簽，k3＝0表示假數(shù)據(jù)的標(biāo)簽，k1＝1表示生成器希望判別器相信偽數(shù)據(jù)的值。
20、進一步地，生成器g的一致性損失根據(jù)以下計算獲?。?/p>
21、
22、其中，表示分布函數(shù)的期望值，py表示清晰水下圖像的分布，g(y)表示清晰水下圖像通過生成器g生成的結(jié)果，y表示清晰圖像。
23、進一步地，所構(gòu)建的預(yù)增強網(wǎng)絡(luò)的分塊多層對比損失根據(jù)以下計算獲?。?/p>
24、
本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于無監(jiān)督擴散模型的水下圖像增強方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于無監(jiān)督擴散模型的水下圖像增強方法，其特征在于，所述基于對抗性對比學(xué)習(xí)的預(yù)增強網(wǎng)絡(luò)的損失函數(shù)根據(jù)以下計算獲?。?/p>
3.根據(jù)權(quán)利要求2所述的一種基于無監(jiān)督擴散模型的水下圖像增強方法，其特征在于，所述表示生成器G的最小二乘GAN損失根據(jù)以下計算獲?。?/p>
4.根據(jù)權(quán)利要求2所述的一種基于無監(jiān)督擴散模型的水下圖像增強方法，其特征在于，生成器G的一致性損失根據(jù)以下計算獲?。?/p>
5.根據(jù)權(quán)利要求2所述的一種基于無監(jiān)督擴散模型的水下圖像增強方法，其特征在于，所構(gòu)建的預(yù)增強網(wǎng)絡(luò)的分塊多層對比損失根據(jù)以下計算獲取：
6.根據(jù)權(quán)利要求1所述的一種基于無監(jiān)督擴散模型的水下圖像增強方法，其特征在于，所述基于小波變換的條件去噪擴散概率模型的損失函數(shù)根據(jù)以下計算獲?。?/p>
7.根據(jù)權(quán)利要求6所述的一種基于無監(jiān)督擴散模型的水下圖像增強方法，其特征在于，所述擴散損失函數(shù)根據(jù)以下計算獲?。?/p>
8.根據(jù)權(quán)利要求6所述的一種基于無監(jiān)督擴散模型的...
【技術(shù)特征摘要】
1.一種基于無監(jiān)督擴散模型的水下圖像增強方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于無監(jiān)督擴散模型的水下圖像增強方法，其特征在于，所述基于對抗性對比學(xué)習(xí)的預(yù)增強網(wǎng)絡(luò)的損失函數(shù)根據(jù)以下計算獲取：
3.根據(jù)權(quán)利要求2所述的一種基于無監(jiān)督擴散模型的水下圖像增強方法，其特征在于，所述表示生成器g的最小二乘gan損失根據(jù)以下計算獲?。?/p>
4.根據(jù)權(quán)利要求2所述的一種基于無監(jiān)督擴散模型的水下圖像增強方法，其特征在于，生成器g的一致性損失根據(jù)以下計算獲?。?/p>
5.根據(jù)權(quán)利要求2所述的一種基于無監(jiān)督擴散模型的水下圖像增強方法，其特征在于，所構(gòu)建的預(yù)增強網(wǎng)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：付先平，李圓圓，郝書媛，米澤田，王輝兵，張軍，
申請(專利權(quán))人：大連海事大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。