基于深度学习的水下图像增强方法

专利主权项内容

1.一种基于深度学习的水下图像增强方法，其特征在于，应用于计算机设备，所述方法包括：在获得包括v个图像块序列的初始水下图像时，依据每个图像块序列的重要性评分以及重要性评分临界值，对所述v个图像块序列分别进行分类，得到所述初始水下图像对应的积极训练样例集和消极训练样例集；获取第一初始调试网络；所述第一初始调试网络用于确定每个图像块序列分别对应的训练样例语义描述；所述初始水下图像对应的图像语义描述为基于所述每个图像块序列分别对应的训练样例语义描述确定得到；从所述积极训练样例集中选取与预设增强范围匹配的图像块序列作为第一增强目标，依据所述第一增强目标中的图像块序列对应的训练样例语义描述，确定所述第一增强目标对应的第一增强目标语义描述；从所述消极训练样例集中选取与所述预设增强范围匹配的图像块序列作为第二增强目标，依据所述第二增强目标中的图像块序列对应的训练样例语义描述，确定所述第二增强目标对应的第二增强目标语义描述；依据所述第一增强目标语义描述、所述第二增强目标语义描述以及所述图像语义描述，对所述第一初始调试网络进行无监督调试，得到第二初始调试网络；所述第二初始调试网络用于执行水下图像增强操作。