水下光学图像风格迁移与颜色校正算法研究

发布时间：2021-02-23 07:10

　　海洋中蕴含着丰富的生物资源和能源,是维持人类可持续发展所必需的核心组成部分之一。通过图像来获取海洋中有价值的信息是探索海洋奥秘的过程中一种必要的手段。在实际应用中,海底地形扫描、海底通信电缆铺设、水下航行器及水下搜救等,都离不开水下图像处理的发展。然而,获取水下图像的过程中常常会面临一些困难。首先,当光在水中传播的时候,水体会选择性地吸收部分光线导致水下图像颜色劣化。同时,由于水中漂浮物质的影响光线会产生一定程度的散射,给水下图像带来细节模糊、对比度低等问题。此外,由于硬件设备的限制,获取无损的水下图像本身就存在一定的困难。因此,采用图像处理技术还原水下图像的真实面貌,无论在海洋科学的研究还是工业应用中,都具有很高的实用价值。本文围绕水下图像处理技术展开,重点在于探索水下图像风格迁移与颜色校正的方法。由于导致水下图像质量下降的原因是多方面的,本文在颜色校正的基础上结合水下图像整体增强的方法,使得图像更加接近场景的真实面貌。本文主要的研究内容如下:首先,针对水下图像样本数量及多样性不足的问题,提出一种将深度图像重建与水下图像生成相结合的网络,用风格迁移的方法实现了水下图像快速仿真。相比于... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
英文摘要
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 基于水下图像复原的色彩校正方法
        1.2.2 基于水下图像增强的色彩校正方法
        1.2.3 基于深度学习的水下图像增强方法
    1.3 本文主要工作和章节安排
第二章 研究理论基础
    2.1 水下光学图像成像原理
        2.1.1 水下成像模型分析
        2.1.2 水下光衰减特性
    2.2 卷积神经网络的理论基础
        2.2.1 卷积神经网络的概述
        2.2.2 卷积神经网络的应用
    2.3 水下光学图像颜色校正方法
        2.3.1 基于颜色恒常的方法
        2.3.2 基于Retinex理论的方法
    2.4 本章小结
第三章 基于生成对抗网络的水下图像风格迁移
    3.1 水下图像风格迁移算法框架
    3.2 深度图像重建网络
    3.3 水下图像风格迁移
        3.3.1 成像模型
        3.3.2 网络结构
        3.3.3 目标函数
    3.4 水下图像风格迁移实验结果与分析
        3.4.1 训练集与实验介绍
        3.4.2 算法性能评价指标
        3.4.3 算法性能定量分析
    3.5 本章小结
第四章 水下光学图像颜色校正与增强
    4.1 水下图像颜色校正算法框架
    4.2 基于动态阈值的水下图像颜色校正
        4.2.1 颜色校正算法
        4.2.2 算法性能的评价指标
        4.2.3 算法性能定量分析
    4.3 基于多尺度递归网络的水下图像增强
        4.3.1 模型结构
        4.3.2 算法性能的评价指标
        4.3.3 算法性能定量分析
    4.4 本章小结
第五章 总结与展望
    5.1 总结
    5.2 未来工作
参考文献
攻读硕士学位期间取得的科研成果
致谢


【参考文献】：
期刊论文
[1]基于西沙群岛虚拟站的珊瑚礁白化监测分析[J]. 蔡玉林,孙旋,索琳琳,夹尚丰.  山东科技大学学报(自然科学版). 2018(05)
[2]水下图像增强和复原方法研究进展[J]. 郭继昌,李重仪,郭春乐,陈善继.  中国图象图形学报. 2017(03)
[3]三沙珊瑚礁健康状况实时监测与预警[J]. 陈标,黄晖,陈永强,张诗泽,郭少华,郝明.  海洋开发与管理. 2013(S1)

硕士论文
[1]基于卷积神经网络的水下图像增强算法研究[D]. 丁雪妍.大连海事大学 2018
[2]基于贝尔定律的水下目标光学图像颜色恢复[D]. 林婷婷.中国海洋大学 2014
[3]运动模糊雾霾图像增强算法研究[D]. 石鑫.东北大学 2013



本文编号：3047205