基于轻量级注意力机制的水下图像色彩复原方法

    公开(公告)号:CN116563693A

    公开(公告)日:2023-08-08

    申请号:CN202310491245.8

    申请日:2023-05-04

    摘要: 本发明公开了一种基于轻量级注意力机制的水下图像色彩复原方法,包括以下步骤:获取水下图像;构建生成对抗网络模型,包括设计生成器网络结构同时在编码器‑译码器的浅层加入效果较好的轻量级注意力机制,用来更好地提取水下图像的特征信息,以及包括设计鉴别器网络结构以判别生成水下图像的真假;确定用以更新网络参数的基于均方对数误差计算方法的损失函数;使用训练集对设计好的网络结构进行训练,通过循环迭代不断优化网络,直至输出网络模型,并将测试集输入训练好的网络模型,获得清晰图像。通过本发明所增强的水下图像更符合人眼的观察习惯,在峰值信噪比、结构相似性等水下图像画质评测指标方面均相较于现有深度学习方法有所提升。

    基于多模态损失函数U型编解码网络的图像增强方法

    公开(公告)号:CN117196991A

    公开(公告)日:2023-12-08

    申请号:CN202311224573.8

    申请日:2023-09-21

    摘要: 本发明公开了一种基于多模态损失函数U型编解码网络的图像增强方法,涉及图像处理领域,包括:设计U型编解码网络模型,将短曝光S0与Dolp图像作为训练集、对应的长曝光图像作为真值参考,输入网络进行训练;并设计了使用YUV色彩空间的光强与线偏振度多模态损失函数,使用梯度下降算法调整网络参数,直到最大迭代次数,输出网络模型;将短曝光测试集图像输入训练好的网络模型,输出增强图像,与对应真值图像进行对比分析。经本发明改进后的网络模型在彩色偏振图像还原上的峰值信噪比、结构相似度和处理速度得到了提升。