融合深度学习和传统图像增强技术的水下图像增强方法

摘要

本发明公开了一种融合深度学习和传统图像增强技术的水下图像增强方法，首先，分析了输入的水下图像各通道与其对应自然图像的平均值差，从差异就可以看出红色通道需要补偿，绿色通道需要衰减。所以颜色补偿是利用注意力引导的残差网络对输入的水下图像的R通道和G通道执行的，该策略的动机是观察到大多数水下图像都由相对单一且均匀的颜色分布组成的。针对场景对比度增强和场景去模糊，开发了多尺度卷积神经网络，其中引入了CLAHE(限制对比度自适应直方图均衡)和Gamma校正算法作为补充来处理复杂和多变的水下成像环境。实验结果表明本发明的水下图像增强方法取得的效果是比较好的。