-
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。
-
公开(公告)号：CN117635500A
公开(公告)日：2024-03-01
申请号：CN202311683092.3
申请日：2023-12-08
Applicant: 大连海事大学
Abstract: 本发明提供基于图像风格引导和深度学习模型的水下图像增强方法。本发明方法，包括：提取输入图像的多尺度特征，融合多尺度特征。在方法的第一阶段输入源图像，提取多尺度特征，然后通过多尺度特征融合提取图像的风格信息，在第二阶段，将源图像和风格信息融合，通过和第一阶段相同的结构，得到结果图像。本发明基于图像风格引导和深度学习模型，在传统图像增强网络的基础上新增一个提取图像风格信息的网络。网络以源图像作为输入，第一阶段提取源图像的风格信息，第二阶段在风格信息的引导下进一步增强图像质量。其次，设计了一种多尺度融合方式，结合注意力机制，充分融合不同尺度的特征。该方法能够有效提升图像质量，实现图像增强。
-
公开(公告)号：CN113269763B
公开(公告)日：2023-07-21
申请号：CN202110620221.9
申请日：2021-06-03
Applicant: 大连海事大学
Abstract: 本发明提供一种基于深度图复原和亮度估计的水下图像清晰度恢复方法。本发明方法，包含以下步骤：首先，对水下图像进行均衡化处理；其次，使用单目深度估计模型估计均衡化后水下图像的相对深度，再使用图像分割的策略，分割出后景深度估计错误的部分并进行重新估计；接着，使用引导滤波平滑深度重新估计的区域；然后，通过深度归一化操作将相对深度转化为绝对深度；将图像像素点按其深度值等分成多个区间，在各区间中搜索退化图像的潜在最小像素点；使用水下图像成像模型，分通道拟合参数并估计并去除后向散射；最后，采用自动亮度值估计方法估计亮度参数，在去除后向散射的图像上使用最优亮度参数调整亮度并去除水下图像偏色。
-
公开(公告)号：CN112488948B
公开(公告)日：2023-05-16
申请号：CN202011407151.0
申请日：2020-12-03
Applicant: 大连海事大学
Abstract: 本发明提供一种基于黑色像素点估计后向散射的水下图像复原方法。本发明方法，包含以下步骤：首先，使用基于自监督的单目深度估计模型估计退化图像的相对深度。根据该相对深度，选择合适的深度上限和下限进行深度归一化操作，从而得到退化图像的绝对深度图。然后，将图像像素点按其深度等分成多个区间，在各区间中搜索退化图像的潜在黑色像素点。使用水下图像成像模型，将看作常数，分通道拟合参数以估计后向散射Bc。最后，引入自定义亮度值t调整图像整体亮度，实现水下图像复原。
-
Patent Agency Ranking
公开(公告)号：CN110334779B
公开(公告)日：2022-09-30
申请号：CN201910640006.8
申请日：2019-07-16
Applicant: 大连海事大学
Abstract: 本发明为一种基于PSPNet细节提取的多聚焦图像融合方法，其特征在于，包括以下步骤：首先，采用金字塔场景解析网络PSPNet聚合不同子区域的上下文信息，同时利用金字塔池化模块捕获多尺度下的全局和局部颜色、纹理、形状等特征信息，在此基础上将4种不同尺度的特征图融合为概率图；其次，采用卷积条件随机场ConvCRFs网络提取图像灰度特征，为了优化二值掩膜图，引入自适应阈值判断；为了获取两个源图像高精确聚焦区域，将优化的二值掩膜图作为权重图，并与两个源图像相乘，最后，将两个区域融合以重构清晰的融合图像。本发明通过图像上下文信息，提升全局特征利用率和分割精度，实现多聚焦图像全方位融合。
-
公开(公告)号：CN115034981A
公开(公告)日：2022-09-09
申请号：CN202210593981.X
申请日：2022-05-27
Applicant: 大连海事大学
Abstract: 本发明提供一种基于嵌入式多特征融合的深度学习水下图像增强方法，包括以下步骤：获取原始水下图像P再分别获取颜色校正后的增强图像P1及对比度后的增强图像P2；设置每个输入均通过残差增强模块，分别提取到三条路径的特征；再将特征融合；提取到每条路径的深层特征；将三条路径的深层特征进行拼接，并且通过连续的多次下采样操作，获取低分辨率下的特征图；通过注意力模块分别给不同特征赋予不同的权重值，再通过解码器模块获取最终的增强图像P3，并且使用Ll2损失函数和感知损失Lper的组合对网络性能进行优化。本发明主要利用多特征融合方法，将颜色校正和图像细节的特征融合，从而起到较好的解决水下图像的偏色问题并且更好的恢复图像细节。
-
公开(公告)号：CN113344802A
公开(公告)日：2021-09-03
申请号：CN202110419038.2
申请日：2021-04-19
Applicant: 大连海事大学
Abstract: 本发明提供一种基于自适应的大气光融合的水下图像复原方法，首先确定要进行融合的三个大气光值，第一、二个大气光值通过四叉树搜索法确定，第三个大气光值取红暗通道图中所有像素里最大的0.1％像素值的均值，三个大气光值通过两个自适应的参数进行融合；其次对原始图求取饱和度；根据水下成像模型求取粗糙透射图，通过导向滤波把粗糙透射图分解为内容图和轮廓图，对轮廓图依据局部方差进行自适应的处理，将处理之后的两个图像进行重构得到了细化透射图；最后对复原图像进行自动色阶处理，获得最终的复原图像。本发明利用自适应的大气光融合和优化的透射率，不仅有效提高图像的清晰度，而且可以解决颜色失真问题，场景适应能力很强。
-
公开(公告)号：CN111210395A
公开(公告)日：2020-05-29
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：CN110175964A
公开(公告)日：2019-08-27
申请号：CN201910459639.9
申请日：2019-05-30
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明提供一种基于拉普拉斯金字塔的Retinex图像增强方法。本发明方法，包含以下三个过程：首先对原图像进行多尺度卷积，采用3个3*3的高斯卷积核进行卷积，获取不同尺度R、G、B通道特征图。其次采用Retinex算法估计入射分量并增强色彩；对反射分量增强细节。最后将色彩增强图像与细节增强图像线性加权融合，得到增强图像。本发明专利采用多尺度卷积获取图像更多细节，利用MSRCR算法图像增强，对入射分量进行Gamma校正实现色彩增强。对反射分量采用双边滤波去噪，降低噪声干扰，通过拉普拉斯金字塔提取图像细节信息。将色彩增强图像和细节增强图像进行线性加权融合，实现图像增强。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.032 seconds)
