-
Patent Agency Ranking
公开(公告)号：CN114418876A
公开(公告)日：2022-04-29
申请号：CN202210006725.6
申请日：2022-01-05
Applicant: 大连海事大学
Abstract: 本发明提供一种基于光散射特性水下图像增强方法包含以下三个过程：首先，根据水下原始图像的红绿蓝三通道平均值占比，将水下图像的偏色分为五种类型，分别是：不偏色、蓝绿色、绿蓝色、绿色、蓝色。然后，在不考虑偏色的情况下，通过光学衰减特性计算出不同场景水下图像RGB三个通道的色彩损失率。在考虑偏色的情况下，提出多场景色彩恢复方法，计算出损失率误差，并求得最终的色彩损失率，校正水下图像颜色偏色问题。最后，在保持色彩恒常的情况下，设定多对比度因子图像直方图方法，重新分布颜色校正后的水下图像红绿蓝三通道的灰度值，本发明能够有效的提高增强水下图像对比度的效果。
-
公开(公告)号：CN114418876B
公开(公告)日：2024-11-12
申请号：CN202210006725.6
申请日：2022-01-05
Applicant: 大连海事大学
Abstract: 本发明提供一种基于光散射特性水下图像增强方法包含以下三个过程：首先，根据水下原始图像的红绿蓝三通道平均值占比，将水下图像的偏色分为五种类型，分别是：不偏色、蓝绿色、绿蓝色、绿色、蓝色。然后，在不考虑偏色的情况下，通过光学衰减特性计算出不同场景水下图像RGB三个通道的色彩损失率。在考虑偏色的情况下，提出多场景色彩恢复方法，计算出损失率误差，并求得最终的色彩损失率，校正水下图像颜色偏色问题。最后，在保持色彩恒常的情况下，设定多对比度因子图像直方图方法，重新分布颜色校正后的水下图像红绿蓝三通道的灰度值，本发明能够有效的提高增强水下图像对比度的效果。
-
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：CN115034982B
公开(公告)日：2024-08-09
申请号：CN202210594886.1
申请日：2022-05-27
Applicant: 大连海事大学
IPC: G06T5/90 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明为一种基于多尺度注意机制融合的水下图像增强方法，提供一种多尺度注意机制融合网络来恢复水下图像，包括以下步骤，首先原始的水下图像输入到解码器网络，经过处理后输出特征图，会进入到上述多尺度注意力密集模块，这一模块的加入改善了我们网络的性能，提高了增强图像的视觉效果。接着，经过多尺度注意力密集模块处理后的特征会输入到解码器网络中，最终解码器网络会输出一个增强后的图像。此外，我们还引入了角损失函数作为对生成器额外的监督。角损失函数的作用是提高生成的图像和原始图像之间的相似度，增加图像的清晰度，并减少了图像色彩的偏差。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：CN115034982A
公开(公告)日：2022-09-09
申请号：CN202210594886.1
申请日：2022-05-27
Applicant: 大连海事大学
Abstract: 本发明为一种基于多尺度注意机制融合的水下图像增强方法，提供一种多尺度注意机制融合网络来恢复水下图像，包括以下步骤，首先原始的水下图像输入到解码器网络，经过处理后输出特征图，会进入到上述多尺度注意力密集模块，这一模块的加入改善了我们网络的性能，提高了增强图像的视觉效果。接着，经过多尺度注意力密集模块处理后的特征会输入到解码器网络中，最终解码器网络会输出一个增强后的图像。此外，我们还引入了角损失函数作为对生成器额外的监督。角损失函数的作用是提高生成的图像和原始图像之间的相似度，增加图像的清晰度，并减少了图像色彩的偏差。通过大量的实验结果表明，本发明方法优于现有的方法。
-
-
-
-
Search Results
5
records
(took 0.025 seconds)
