一种基于区域梯度引导扩散模型的水下图像增强方法及系统

本发明涉及水下图像处理，尤其涉及一种基于区域梯度引导扩散模型的水下图像增强方法及系统。

背景技术：

1、水下图像增强是海洋科学、水下机器人和海洋工程等领域的关键技术。由于水下环境的复杂性,如光的散射和吸收、悬浮粒子、浑浊度变化等因素,导致水下图像通常存在色彩失真、对比度低、细节模糊等问题。这些问题严重影响了水下图像的视觉质量和后续的分析任务,如目标检测、场景理解等。因此,开发有效的水下图像增强技术对于推动海洋科技发展具有重要意义。

2、现有的水下图像增强方法主要可以分为三类:基于物理模型的方法、基于图像处理的方法和基于深度学习的方法。虽然现有技术在水下图像增强方面取得了一定进展,但仍存在以下问题:①难以同时保持局部细节和全局一致性；②对不同水下环境的适应性不足；③缺乏对图像语义信息的有效利用；④在实际应用中的计算效率有待提高。

技术实现思路

1、本发明实施例的主要目的在于提出一种基于区域梯度引导扩散模型的水下图像增强方法及系统，以显著提升水下图像的视觉质量。

2、为实现上述目的，本发明实施例的一方面提出了一种基于区域梯度引导扩散模型的水下图像增强方法，包括以下步骤：

3、获取待增强的原始水下图像；

4、根据所述原始水下图像的梯度信息进行自适应的去噪强度调整，对所述原始水下图像进行去噪处理，得到第一水下图像；

5、根据融合了swin transformer块和convnext块的图像处理网络，对所述第一水下图像进行处理，得到第二水下图像；

6、根据多目标损失函数对所述第二水下图像进行多目标损失计算，输出增强后的最终水下图像。

7、在一些实施例中，所述根据所述原始水下图像的梯度信息进行自适应的去噪强度调整，对所述原始水下图像进行去噪处理，得到第一水下图像，包括以下步骤：

8、计算所述原始水下图像和目标图像的梯度信息，得到差异图；

9、对所述差异图进行直方图均衡化处理，对所述差异图的梯度信息的对比度进行增强；

10、将均衡化处理后的所述差异图划分为四个区域，其中每个区域对应不同的梯度强度；

11、根据各个区域的所述差异图的范围动态计算权重；

12、根据所述权重调整原始噪声分布，完成对所述原始水下图像进行去噪处理，得到第一水下图像。

13、在一些实施例中，所述根据各个区域的所述差异图的范围动态计算权重的计算过程为：

14、mgrad＝{

15、1-(0-1.5)×δ,当d i ff∈[0,0.25)

16、1-(1-1.5)×δ,当d i ff∈[0.25,0.5)

17、1-(2-1.5)×δ,当d i ff∈[0.5,0.75)

18、1-(3-1.5)×δ,当d i ff∈[0.75,1]

19、}；

20、其中，mgrad代表所述权重；d iff代表所述差异图；

21、所述根据所述权重调整原始噪声分布的表达式为：

22、pnoiserggm＝pnoise×(1+mgrad-μ(mgrad))+x0×(μ(mgrad)-mgrad)

23、其中，pnoiserggm为调整分布后的噪声；pnoise为原始噪声，μ(·)表示平均操作，x0为原始水下图像。

24、在一些实施例中，所述图像处理网络包括：

25、swin transformer块，用于根据滑动窗口自注意力机制以及多层感知机块对输入的特征图进行处理，输出全局上下文感知特征；

26、convnext块，用于根据gelu激活函数，对输入的特征图进行深度可分离卷积和逐点卷积，输出局部精细特征；

27、特征融合模块，用于对所述全局上下文感知特征和所述局部精细特征进行卷积操作，输出融合特征；

28、残差连接块，用于对输入的特征图和所述融合特征进行残差连接处理，输出最终图像特征。

29、在一些实施例中，所述根据多目标损失函数对所述第二水下图像进行多目标损失计算，包括以下步骤：

30、对所述第二水下图像进行均方误差损失计算；

31、对所述第二水下图像进行梯度损失计算；

32、对所述第二水下图像进行颜色直方图损失计算；

33、根据所述均方误差损失计算的结果、所述梯度损失计算的结果以及所述颜色直方图损失计算的结果，计算得到总损失。

34、在一些实施例中，所述均方误差损失的计算公式为：

35、

36、其中，lmse代表所述均方误差损失；n代表图像中像素的总数；xi代表原始图像中第i个像素的值；代表增强后图像中第i个像素的值；

37、所述梯度损失的计算公式为：

38、

39、其中，lgv代表所述梯度损失；σ2代表方差；gx代表x方向的梯度算子；gy代表y方向的梯度算子；

40、所述颜色直方图损失的计算公式为：

41、

42、其中，lch代表所述颜色直方图损失；d代表直方图距离度量；h代表颜色直方图计算。

43、本发明实施例的另一方面还提供了一种基于区域梯度引导扩散模型的水下图像增强系统，包括：

44、第一模块，用于获取待增强的原始水下图像；

45、第二模块，用于根据所述原始水下图像的梯度信息进行自适应的去噪强度调整，对所述原始水下图像进行去噪处理，得到第一水下图像；

46、第三模块，用于根据融合了swin transformer块和convnext块的图像处理网络，对所述第一水下图像进行处理，得到第二水下图像；

47、第四模块，用于根据多目标损失函数对所述第二水下图像进行多目标损失计算，输出增强后的最终水下图像。

48、本发明实施例的另一方面还提供了一种电子设备，包括处理器以及存储器；

49、所述存储器用于存储程序；

50、所述处理器执行所述程序实现如前面所述的方法。

51、本发明实施例的另一方面还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。

52、本发明实施例的另一方面还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如前面所述的方法。

53、本发明实施例至少包括以下有益效果：本发明提供一种基于区域梯度引导扩散模型的水下图像增强方法及系统,本发明获取待增强的原始水下图像；根据所述原始水下图像的梯度信息进行自适应的去噪强度调整，对所述原始水下图像进行去噪处理，得到第一水下图像；根据融合了swin transformer块和convnext块的图像处理网络，对所述第一水下图像进行处理，得到第二水下图像；根据多目标损失函数对所述第二水下图像进行多目标损失计算，输出增强后的最终水下图像。本发明显著提升了水下图像的视觉质量。

技术特征：

1.一种基于区域梯度引导扩散模型的水下图像增强方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于区域梯度引导扩散模型的水下图像增强方法，其特征在于，所述根据所述原始水下图像的梯度信息进行自适应的去噪强度调整，对所述原始水下图像进行去噪处理，得到第一水下图像，包括以下步骤：

3.根据权利要求2所述的一种基于区域梯度引导扩散模型的水下图像增强方法，其特征在于，

4.根据权利要求1所述的一种基于区域梯度引导扩散模型的水下图像增强方法，其特征在于，所述图像处理网络包括：

5.根据权利要求1所述的一种基于区域梯度引导扩散模型的水下图像增强方法，其特征在于，所述根据多目标损失函数对所述第二水下图像进行多目标损失计算，包括以下步骤：

6.根据权利要求5所述的一种基于区域梯度引导扩散模型的水下图像增强方法，其特征在于，

7.一种基于区域梯度引导扩散模型的水下图像增强系统，其特征在于，包括：

8.一种电子设备，其特征在于，包括处理器以及存储器；

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至6中任一项所述的方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法。

技术总结
本发明公开了一种基于区域梯度引导扩散模型的水下图像增强方法及系统，方法包括：获取待增强的原始水下图像；根据所述原始水下图像的梯度信息进行自适应的去噪强度调整，对所述原始水下图像进行去噪处理，得到第一水下图像；根据融合了Swin Transformer块和ConvNeXt块的图像处理网络，对所述第一水下图像进行处理，得到第二水下图像；根据多目标损失函数对所述第二水下图像进行多目标损失计算，输出增强后的最终水下图像。本发明显著提升了水下图像的视觉质量，可广泛应用于水下图像处理技术领域。

技术研发人员：王涛,邵金鑫,苗建明,张淏酥,徐灵基,龚喜,刘涛
受保护的技术使用者：中山大学
技术研发日：
技术公布日：2024/12/5