一种基于深度估计的水下图像复原计算效率提升方法及系统.pdf

(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CN111524152A(43)申请公布日2020.08.11(21)申请号202010380531.3G06T7/50(2017.01)(22)申请日2020.05.08G06T7/90(2017.01)G06T5/00(2006.01)(71)申请人中国科学院合肥物质科学研究院地址230031安徽省合肥市蜀山区蜀山湖路350号申请人鹏城实验室(72)发明人孔斌钱晶杨静王灿(74)专利代理机构合肥市浩智运专利代理事务所(普通合伙)34124代理人张景云(51)Int.Cl.G06T7/13(2017.01)G06T7/136(2017.01)G06T7/155(2017.01)G06T7/194(2017.01)权利要求书2页说明书6页附图1页(54)发明名称一种基于深度估计的水下图像复原计算效率提升方法及系统(57)摘要本发明提供一种基于深度估计的水下图像复原计算效率提升方法及系统，依次进行对原始图像进行灰度化处理、对已经完成灰度化处理的图像进行Sobel算子进行边缘检测、形态学闭运算，实现背景与远景分离、归一化处理，得到近景像素值小而愿景像素值大的场景深度估计图、设定深度阈值P，P为近景区域中深度估计值的最大值；若原始图像坐标点的场景深度估计值小于深度阈值P，设该点为采用点，将该点的数据信息用于后续程序的数据计算。本发明提出基于深度估计的水下图像复原计算效率提升的概念，即依据原始图像深度估计信息，通过保留深度估计中近景区域像素点信息，忽略远景区域像素点信息，实现对像素点信息的数量压缩，达到提升算法工作效率的目标。CN111524152ACN111524152A权利要求书1/2页1.一种基于深度估计的水下图像复原计算效率提升方法，其特征在于：包括S01.对原始图像进行灰度化处理；S02.对已经完成灰度化处理的图像进行Sobel算子进行边缘检测；S03.对步骤S02所得结果进行形态学闭运算，实现背景与远景分离；S04.对步骤S03所得结果进行归一化处理，得到近景像素值小而愿景像素值大的场景深度估计图；S05.设定深度阈值P，P为近景区域中深度估计值的最大值；若原始图像坐标点的场景深度估计值小于深度阈值P，设该点为采用点，将该点的数据信息用于后续程序的数据计算，反之则不采用该坐标点的数据信息。2.根据权利要求1所述的一种基于深度估计的水下图像复原计算效率提升方法，其特征在于：所述步骤S02中的边缘检测原理为：其中GX、GY分别为原始图像的水平梯度和垂直梯度，I为原始原始图像像素点的RGB信息，G为最终的合并梯度。3.根据权利要求1或2所述的一种基于深度估计的水下图像复原计算效率提升方法，其特征在于：所述步骤S05中的判断规则为：其中，F(x,y)为图像中坐标为x,y的像素点RGB信息是否采用，d(x,y)为图像中坐标为x,y的场景深度值。4.一种基于深度估计的水下图像复原计算效率提升系统，其特征在于：包括灰度化处理模块，对原始图像进行灰度化处理；边缘检测模块，对已经完成灰度化处理的图像进行Sobel算子进行边缘检测；形态学闭运算模块，对边缘检测模块所得结果进行形态学闭运算，实现背景与远景分离；归一化处理模块，对形态学闭运算模块所得结果进行归一化处理，得到近景像素值小而愿景像素值大的场景深度估计图；计算模块，设定深度阈值P，P为近景区域中深度估计值的最大值；若原始图像坐标点的场景深度估计值小于深度阈值P，设该点为采用点，将该点的数据信息用于后续程序的数据计算，反之则不采用该坐标点的数据信息。5.根据权利要求4所述的一种基于深度估计的水下图像复原计算效率提升系统，其特2CN111524152A权利要求书2/2页征在于：边缘检测原理为：其中GX、GY分别为原始图像的水平梯度和垂直梯度，I为原始图像像素点的RGB信息，G为最终的合并梯度。6.根据权利要求4所述的一种基于深度估计的水下图像复原计算效率提升系统，其特征在于：所述计算模块中的判断规则为：其中，F(x,y)为图像中坐标为x,y的像素点RGB信息是否采用，d(x,y)为图像中坐标为x,y的场景深度值。3CN111524152A说明书1/6页一种基于深度估计的水下图像复原计算效率提升方法及系统技术领域[0001]本发明涉及水下图像清晰化处理技术领域，具体来说是一种基于深度估计的水下图像复原计算效率提升方法及系统。背景技术[0002]水下图像清晰化的传统思路，是通过各种图像处理方法对水下相机拍摄得到的水下图像进行处理，尽可能地消除水中光线吸收与散射等因素对图像产生的影响，以获得相对于原图具有更高清晰度的图像，根据所基于的原理不同，水下图像清晰化的具体方法又可分为图像复原方法和图像增强方法。其中，图像复原方法的