摘要
本发明提供一种基于水下成像模型的自监督多任务水下图像恢复方法,包括以下步骤:采用自适应色彩平衡算法对通过水下机器人采集到的水下图像进行色偏校正,得到色偏校正后的图像;将色偏校正后的图像,通过透射率估计网络,得到图像的透射率;将色偏校正后的图像,通过背景光估计网络,得到背景光;将色偏校正后的图像,通过清晰图像重建网络,得到重建后的清晰图像;将重建后的清晰图像的背景光和透射率通过Jaffe‑McGlamery水下成像模型进行合成,并以自监督的方式进行训练,得到最终增强图像。本方法采用端到端自监督学习架构,无需大规模标注数据集即可完成网络训练,具有训练成本低、泛化能力强的优点,能够在复杂多变的水下环境中实现高效的图像复原。
技术关键词
水下成像模型
图像恢复方法
背景光
多任务
色偏
图像重建
网络
采样模块
平衡算法
水下机器人
像素
上采样
邻域
饱和度
色彩校正
重构误差
光学成像
水体
系统为您推荐了相关专利信息
多模态特征融合
缺陷分割方法
多模态图像数据
多任务损失函数
融合特征
多任务
拉普拉斯方程
深度神经网络
正态分布函数
转换方法
网络流量数据
入侵检测模型
拒绝服务流量
网络安全入侵检测方法
入侵检测数据
推演方法
策略优化方法
汽车零部件
系统效能
路径系统
气体泄漏检测方法
SF6气体泄漏检测
可见光图像
多模态
气体泄漏检测系统