(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111238495.8 (22)申请日 2021.10.25 (71)申请人 浙江工业大 学 地址 310014 浙江省杭州市下城区潮王路 18号 (72)发明人 王涌　赵远方　潘宏　周王益　 (74)专利代理 机构 杭州天正专利事务所有限公 司 33201 代理人 王兵 (51)Int.Cl. G06T 5/00(2006.01) G06T 5/40(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于成像模型和强化学习的水下图像 增强方法 (57)摘要 一种基于成像模型和强化学习的水下图像 增强方法， 包括： 步骤1、 在水体中放入水下摄像 头， 拍摄预设距离下正常光照的水下图像， 作为 待增强的初始图像； 步骤2、 计算初始图像的灰度 值， 并进行分析处理； 灰度值 从高到低排序， 取前 百分之十的灰度值进行方差计算； 步骤3、 利用地 面雾情况下图像的成像模型得到的近似水下图 像成像模型， 结合水下色彩测量指标U IQM进行自 适应学习； 步骤4、 直至学习到对应设置好的训练 次数后结束任务， 得到输出的增强结果并保存本 地； 步骤5、 选用图像峰值信号比PSNR以及结构相 似性SSIM两种有参考评价指标将增强后的结果 和初始的结果进行对比， 作为增强效果的评价。 本发明通过自适应学习未知参数， 进一步提高了 水下图像对比度、 清晰度、 饱和度等方面的性能。 权利要求书2页 说明书6页 附图1页 CN 114037622 A 2022.02.11 CN 114037622 A 1.一种基于成像模型和强化学习的水 下图像增强方法， 包括以下步骤： 步骤1、 在水体中放入水下摄像头， 拍摄预设距离下正常光照的水下图像， 将此图像作 为待增强的初始图像； 步骤2、 计算初始图像的灰度值， 并进行分析处理； 灰度值从高到低 排序， 取前百分之十 的灰度值进行 方差计算； 若方差没有达 到预设阈值时， 则直接作为下一 步骤的输入； 若方差达到预设值时， 对图片进行直方图均衡化， 通过直方图均衡化将原始图像的直 方图变换成较均匀分布的形式， 从而去除图片 中异常亮点， 将预处理后的图片作为下一步 骤的输入； 步骤3、 由地 面雾情况 下图像的成像模型 得到近似的水 下图像成像模型： 其中x表示像素点坐标， I(x)表示水下环境中相机拍摄得到的图像， D(x)表示物体本身 的辐射光， 可以理解成消除水下环境因素影响后的水下图像， 表示直接传输 参数， B表示 环境光； 利用强化学习DQN算法自适应学习环境光B和直接传输参数 将本增强问题看作 马尔科夫过程， 用反馈函数来评价所采 取的动作， 面对不同的当前状态， 采取最合适的动作 使得奖励值最大； 结合水下成像公式进 行重建,得到消除水下环境影响因素后的结果图像； 反馈函数结合基于人类视觉系统激励的无参考水下图像质量评价指标UIQM作为中间反馈 环节判断标准； 针对水下图像的退化机理与成像特点， 该标准采用色彩测量指标(UICM)， 清 晰度测量指标(UISM)， 对比度测量指标(UICo nM)作为评价依据， 其各自的计算公式如下： 色彩测量指标： 其中计算平均值： 其中K指的是图像 像素和， μ越接 近0则平衡越好； 计算方差： 其中σ2越大色彩对比度越好； 清晰度测量指标： 其中c表示RGB三 通道之一， 公式 中EME计算方法为： 对比度测量指标：权　利　要　求　书 1/2 页 2 CN 114037622 A 2而UIQM则是以上三个指标的线性组合： UIQM＝0.028 ×UICM+0.296×UISM+3.575 ×UIConM      (8) 其中三个参数值 为预设值， 具体大小可以通过增强后的偏好而微调； 步骤4、 直至学习到对应设置好的训练次数后结束任务， 得到输出的增强结果并保存本 地； 步骤5、 选用图像峰值信号比PSNR以及结构相似性SSIM两种有参考评价指标将增强后 的结果和初始的结果进 行对比， 作为增强效果的评价； 针对两个尺 寸为m×n的图像X和Y,其 计算公式分别如下： 其中MAX为表示图像颜色的最大 数值， 预设值 为255， MSE计算公式为： 以上公式中 的μx、 μy分别表示图像X和Y的均值， σx、 σy分别表示图像X和Y的方差， σxy表示 图像X和Y的协方差， c1＝(0.01×L)2,c2＝(0.03×L)2,c3＝c2/2,其中L为像素值动态范围， 在此预设值为255。 通过计算使用本方法增强后和初始输入图像的PSNR和 SSIM值， 如果其值小于使用其他 现有方法进行增强后的结果图像对应的值， 则重新调整UIQM中的参数重新进行学习， 直至 达到满意的增强结果， 结束所有步骤。 2.基于权力要求1所述的一种基于成像模型和强化学习的水下图像增强方法， 其特征 在于， 在所述步骤1 中， 控制水下摄像头采集照 片拍摄距离为3米及以上， 作为增强效果的优 选条件。 3.基于权力要求1所述的一种基于成像模型和强化学习的水下图像增强方法， 其特征 在于， 在所述步骤2中对前百分之十的数据进行方差计算， 通过直方图均衡化将原始图像的 直方图变换成较为均匀分布的形式， 从而达 到去除图片中异常亮点的目的。 4.基于权力要求1所述的一种基于成像模型和强化学习的水下图像增强方法， 其特征 在于， 在所述步骤5中， 选用图像 峰值信号比PSNR以及结构相似性SSIM用于结果的评判， 图 像峰值信号比PSNR描述原图与处理后图片之间的均方根误差， 对图像增强而言， PSNR的值 越高越好， 表 示图像失真越少； 同时对于结构相似性SSIM来说， 分别从亮度、 对比度、 结构这 三个方面度量图像相似性， 对于图像增强的结果而言， S SIM的值越大， 表示图像失真越少。权　利　要　求　书 2/2 页 3 CN 114037622 A 3