-
公开(公告)号：CN117830770A
公开(公告)日：2024-04-05
申请号：CN202310903093.8
申请日：2023-07-21
Applicant: 大连海事大学
Abstract: 本发明提供一种基于多级子网级联网络的水下图像增强方法，包括以下步骤，首先原始的水下图像输入到一个浅层卷积层获取浅层特征，将所述特征图输入到自适应残差模块与三重注意力模块的组合进行特征提取。接着，经过所述组合模块处理后的特征会输入深层卷积层中，最终网络会输出一个增强后的图像。自适应残差模块由多级子网与三重注意力模块组合而成，这一模块的加入改善了本发明中网络的性能，提高了增强图像的视觉效果。本发明使用内容损失函数、感知损失函数的结合对网络性能进行优化。通过大量的实验结果表明，本发明方法优于现有的方法。
-
公开(公告)号：CN117635440A
公开(公告)日：2024-03-01
申请号：CN202311683097.6
申请日：2023-12-08
Applicant: 大连海事大学
IPC: G06T5/00 , G06T5/10 , G06V10/774 , G06V10/776 , G06N3/0464 , G06V10/42 , G06V10/80 , G06V10/82
Abstract: 本发明提供了一种基于分层小波分解的水下图像复原方法。本发明主要采用一种分治的思想，通过将图像进行分层小波分解，分别对水下图像的低频和高频退化部分进行了准确恢复。针对现有水下图像复原方法忽视水下图像降质分布的异质性，无法处理降质图像中多种类型的图像退化问题，提出了利用小波变换更紧凑地估计图像的特征空间以处理各种频率的退化问题，最后基于真实场景水下数据集进行训练、推理，对水下图像进行复原。
-
公开(公告)号：CN117593202A
公开(公告)日：2024-02-23
申请号：CN202311442595.1
申请日：2023-11-01
Applicant: 大连海事大学
Abstract: 本发明提供一种基于内监督的协同多尺度水下图像增强方法，通过集成四个阶段图像，为网络提供了不同尺度的场景信息。首先使用输入图像通过退化操作分别获取一、二、三级退化图像。使用基于双分支的上下文注意力模块进行对输入图像提取初始特征，然后进行下采样后使用基于双分支的上下文注意力模块获取一级退化特征；在一级退化图像上使用基于自适应选择性内在监督模块选择有利于场景恢复的特征，集成为一级退化特征。利用二、三级退化阶段重复两次。三级退化特征进行特征恢复后集成三级退化阶段进行二级特征恢复。通过利用二、一级退化阶段重复此操作两次。在获得一级退化特征后恢复为增强图像。基于多阶段退化损失函数约束四个阶段的增强过程。
-
公开(公告)号：CN111210395B
公开(公告)日：2023-11-10
申请号：CN202010023145.9
申请日：2020-01-09
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明提供一种基于灰度值映射的Retinex水下图像增强方法，包括五个过程：颜色校正、滤波去噪、建立灰度映射函数、寻找最佳参数以及对比度增强。首先对采集的水下退化图像采用带有颜色恢复因子的多尺度Retinex算法进行颜色校正，获取第一幅输出图像；其次将第一幅输出图像采用各向异性扩散滤波进行对比度增强，获得第二幅输出图像；然后建立灰度值映射函数；接着根据图像的信息熵及全局亮度均值，并结合模拟退火算法快速寻找参数最佳值，完善灰度值映射函数；最后对第二幅输出图采用灰度值映射得到最后的增强图像。本发明在无需任何先验信息条件下，有效实现水下图像颜色校正和对比度增强，提升图像视觉效果，可以应用于水下图像预处理。
-
公开(公告)号：CN114862737A
公开(公告)日：2022-08-05
申请号：CN202210626251.5
申请日：2022-06-02
Applicant: 大连海事大学
Abstract: 本发明提供一种基于图像反射分量和深度学习模型的水下图像增强方法包括：提取输入图像的反射分量，通过辅助分支网络的多层卷积算子识别反射分量的特征信息。在方法的主网络中以源图像作为输入，通过多维编码器组提取源图像特征信息，并且与辅助分支网络的同维度特征矩阵进行深度方向融合，最终通过解码器组复原得到增强后图像。本发明基于图像反射分量和深度学习模型，在传统图像增强网络的基础上新增一个基于图像反射分量的辅助分支网络。辅助网络以反射分量作为输入，并在多个层级与主网络融合，使网络能从退化图像和表现图像本质信息的反射分量中两方面提取特征矩阵。
-
Patent Agency Ranking
公开(公告)号：CN111047530A
公开(公告)日：2020-04-21
申请号：CN201911207724.2
申请日：2019-11-29
Applicant: 大连海事大学
Abstract: 本发明提供一种基于多特征融合的水下图像颜色校正和对比度增强方法。本发明方法，包含以下五个过程：颜色校正、对比度增强、融合权重计算、多尺度融合以及细节增强。首先，对采集的水下退化图像采用白平衡进行颜色校正，获取第一幅输入图像；其次，对白平衡后效果图采用引导滤波进行对比度增强，获取第二幅输入图；然后，分别求取两幅输入图的四个特征权重；接着，对权重图进行归一化得到对应的标准化权重图，采用多尺度融合，得到融合结果图；最后，对融合结果图采用色阶处理，增强图像边缘细节，得到最后增强图像。该发明方法在无需任何先验信息条件下，有效实现水下图像颜色校正和对比度增强，提升图像视觉效果，可以应用于图像预处理。
-
公开(公告)号：CN114612314B
公开(公告)日：2025-03-04
申请号：CN202111571942.1
申请日：2021-12-21
Applicant: 大连海事大学
Abstract: 本发明提供一种基于双引导滤波的水下图像增强方法，首先，对水下图像进行红通道补偿和灰度世界白平衡，校正水下图像的色彩；接下来，使用引导滤波对白平衡后的图像进行增强，得到第一个融合输入图像。然后使用不同尺度的引导滤波得到精确的平滑图像，作为第二个融合输入图像。最后，使用多尺度融合方法，根据输入图分别得到四个权重图，得到标准化权重图，将权重图与输入图进行多尺度融合。本发明利用双引导滤波对水下图像处理，使得增强后的图像视觉效果较好，提升了清晰度。
-
公开(公告)号：CN114240793B
公开(公告)日：2024-10-18
申请号：CN202111574984.0
申请日：2021-12-21
Applicant: 大连海事大学
Abstract: 本发明提供基于多区间子直方图均衡化水下图像增强方法包括以下步骤：对源图像进行颜色校正处理；对图像进行对比度增强处理，采用多区间子直方图均衡化方法对源图像直方图分别在R、G、B通道上进行处理，进行阈值选择并分离多个子区间，进而得到多个子直方图并完成多区间子直方图均衡化操作；将颜色校正后图像以及对比度增强后的图像进行多尺度融合，重构出最终的去雾图像。本发明通过基于多区间子直方图均衡化方法，对源图像的单通道直方图进行更精确的划分，同时与颜色校正处理后的图像多尺度融合，使得源图像的暗处细节得到更好的展示，对比度和颜色得到有效改善，同时降低了噪声，实现图像去雾。
-
公开(公告)号：CN117746223A
公开(公告)日：2024-03-22
申请号：CN202311683100.4
申请日：2023-12-08
Applicant: 大连海事大学
Abstract: 本发明提供了一种基于多元化先验的陆地深度学习模型水下环境迁移方法通过利用陆地深度学习模型的图像建模能力并结合泛化性能更强的水下环境先验知识，使之在复杂多变的水下场景获得更优越的性能。考虑到水下图像退化情况与水域类型有直接联系，设计水域类型先验和图像降质先验，使用水域类型描述水下图像宏观上的颜色、可见度退化，并采用降质先验描述结构、纹理等微观特征。考虑到水下拍摄场景、物体反射率等因素差异，构建样本先验对此类特征进行检索。然后，基于任务损失函数和多元先验检索使用全尺度特征对齐方法和自注意力机制进行任务级图像特征提炼。最后，将特征精炼后的图像输送给陆地模型，使其在水下场景获得更加优异的表现。
-
公开(公告)号：CN117690010A
公开(公告)日：2024-03-12
申请号：CN202311713029.X
申请日：2023-12-13
Applicant: 大连海事大学
IPC: G06V20/05 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/25
Abstract: 本发明提供了一种基于涡旋卷积的水下目标检测方法。本发明受到湍流中涡旋现象的启发，引入了信息流中的“涡旋”以打破噪声引起的干扰，提高了网络区分背景和目标特征的能力，增强了在复杂的水下环境中的检测性能。针对现有水下目标检测方法忽视水下图像降质分布的异质性，无法处理降质图像中噪声干扰的问题，提出了利用辐射调制和洗牌扰动来降低噪声对检测引起的干扰，最后基于真实场景水下数据集进行训练、推理，对水下场景进行目标检测。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.019 seconds)
