一种基于偏振散射与深度学习的水下图像恢复方法

    公开(公告)号:CN119494797A

    公开(公告)日:2025-02-21

    申请号:CN202411304751.2

    申请日:2024-09-19

    Abstract: 本发明公开了一种基于偏振散射与深度学习的水下图像恢复方法,其特点是采用基于偏振散射物理模型进行水下图像的去除背景区域散射光,利用机器学习还原图片色彩,将初步恢复与二次恢复的图像融合,得到最终的水下图像恢复图像。本发明与现有技术相比具有基于机器增强视觉,通过结合了偏振散射模型与深度学习的各自优点,形成混合的水下图像恢复算法,有效地增强其保真度与恢复细节信息,有效解决了机器学习数据集获取精确度像素级匹配问题,以及物理模型的色彩损失大,场景需求高、机器学习的恢复上限高,模型训练难的综合应用问题,方法简便,使用效果好,具有良好的运用前景和商业开发价值。

    考虑藻类作用下的絮凝体中值粒径预测方法及装置

    公开(公告)号:CN119312728A

    公开(公告)日:2025-01-14

    申请号:CN202411374158.5

    申请日:2024-09-29

    Abstract: 本申请涉及水力学技术领域,特别涉及一种考虑藻类作用下的絮凝体中值粒径预测方法及装置,其中,方法包括:获取目标区域的水体中的泥沙浓度、泥沙密度和水体紊动剪切强度;获取水体中藻类叶绿素浓度并根据藻类叶绿素浓度获取覆盖沉积物表面有机物的百分比;获取目标区域的模型矫正参数,并利用模型矫正参数矫正目标预测模型,基于矫正后的目标预测模型和泥沙浓度、泥沙密度和水体紊动剪切强度预测目标区域的水体中絮凝体中值粒径随时间的变化信息,得到絮凝体中值粒径预测结果。本申请可以在仅确定水体内常规参数的情况下准确预测水体中藻‑泥絮凝体、纯矿物絮凝体的中值粒径,有效提高预测结果精准度的同时降低计算成本,提升了本申请的适用性。

    无植被区和植被区的泥沙冲刷率统一预测方法及装置

    公开(公告)号:CN116956772A

    公开(公告)日:2023-10-27

    申请号:CN202310884245.4

    申请日:2023-07-18

    Abstract: 本申请涉及一种无植被区和植被区的泥沙冲刷率统一预测方法及装置,其中,方法包括:获取水流、植被和床面泥沙的基础监测数据;基于基础监测数据计算植被群密度、单位床面的泥沙质量和无量纲化泥沙粒径;基于基础监测数据预测床面阻力系数、床面剪切紊动能、植被阻力系数和植被尾流紊动能;根据总紊动能和临界紊动能预测湍流猝发的平均周期、单位床面的泥沙质量和单位床面上对泥沙有贡献的湍流猝发面积;基于湍流猝发的平均周期、单位床面的泥沙质量和单位床面上对泥沙有贡献的湍流猝发面积预测无植被区和有植被区的泥沙冲刷率。由此,解决了相关技术中泥沙冲刷率测量耗时长,投入人力大,难以准确预测无植被区和植被区中泥沙冲刷率等问题。

Patent Agency Ranking