公开(公告)号：CN113012067A

公开(公告)日：2021-06-22

申请号：CN202110279385.X

申请日：2021-03-16

Applicant: 华南理工大学

Inventor： 林枫 ,  高红霞 ,  莫宜锦 ,  杨伟朋

IPC: G06T5/00 ,  G06K9/62

Abstract: 本发明公开了一种基于Retinex理论和端到端深度网络的水下图像复原方法，包括：1)简化Jaffe‑McGlamery水下成像模型，以符合Retinex理论基本假设；2)依据简化的Jaffe‑McGlamery水下成像模型以及环境光图空间平滑的先验条件估计环境光图，分解粗略场景反射率图；3)设计端到端深度网络实现水下图像的精细化复原；4)将粗略场景反射率图输入到端到端深度网络中进行训练，得到最优的端到端深度网络，最后，将待测的粗略场景反射率图输入到最优的端到端深度网络，网络的输出即为复原的水下图像。本发明消除光在水下传播时衰减和散射对成像过程的影响，以改善图像的视觉效果，有效恢复水下图像视觉质量。

公开(公告)号：CN113012067B

公开(公告)日：2022-11-18

申请号：CN202110279385.X

申请日：2021-03-16

Applicant: 华南理工大学

Inventor： 林枫 ,  高红霞 ,  莫宜锦 ,  杨伟朋

IPC: G06T5/00 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于Retinex理论和端到端深度网络的水下图像复原方法，包括：1)简化Jaffe‑McGlamery水下成像模型，以符合Retinex理论基本假设；2)依据简化的Jaffe‑McGlamery水下成像模型以及环境光图空间平滑的先验条件估计环境光图，分解粗略场景反射率图；3)设计端到端深度网络实现水下图像的精细化复原；4)将粗略场景反射率图输入到端到端深度网络中进行训练，得到最优的端到端深度网络，最后，将待测的粗略场景反射率图输入到最优的端到端深度网络，网络的输出即为复原的水下图像。本发明消除光在水下传播时衰减和散射对成像过程的影响，以改善图像的视觉效果，有效恢复水下图像视觉质量。