-
公开(公告)号：CN114862737B
公开(公告)日：2024-11-05
申请号：CN202210626251.5
申请日：2022-06-02
Applicant: 大连海事大学
IPC: G06T5/50 , G06T5/90 , G06T5/60 , G06T7/90 , G06N3/0464 , G06N3/0455
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。
-
公开(公告)号：CN113344802B
公开(公告)日：2024-08-20
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：CN118333973A
公开(公告)日：2024-07-12
申请号：CN202410463191.9
申请日：2024-04-17
Applicant: 大连海事大学
IPC: G06T7/00 , G06V20/05 , G06V10/764 , G06V10/52 , G06V10/774 , G06V10/44 , G06V10/766 , G06N3/092 , G06N3/0464 , G06V10/80 , G06V10/776
Abstract: 本发明提供一种基于多尺度图像分类的水下图像质量评估模型。本发明主要使用在水下图像增强过程中，无法客观准确的评估增强的图像质量，导致评分与人眼视觉不一致的问题，针对光的吸收和散射使得水下图像常常出现模糊和细节丢失等问题，基于多尺度图像分类提取原图像与陆地真实参考图像之间的局部与全局信息差异，构建多阶段分类器‑拟合器，加入基于强化学习得到的优化序列数据集进行训练，最后依据向量回归的决策Agent将分类器中得到的环境基础分类概率拟合为统一视角的质量评估分数。
-
公开(公告)号：CN118261827A
公开(公告)日：2024-06-28
申请号：CN202410368054.7
申请日：2024-03-28
Applicant: 大连海事大学
Abstract: 本发明提供一种基于变分的散射分量自适应去除的水下图像增强方法。本发明主要使用后向散射预处理方法对水下图像进行初步修复，校正后向散射分量造成的错误像素干扰。随后，为了解决高频噪声和前向散射分量引起的色彩不均匀和模糊问题，本发明提出了一种新的前向散射自适应分解去除方法。该方法通过结合多个先验知识构建不同的惩罚项，然后使用快速求解器对模型进行求解，分解出前向散射分量对其进行去除并获得强解耦的入射光和反射率。最终，两个变分方法与直方图均衡化的相互融合，解决了水下场景的对比度低和偏色问题。
-
公开(公告)号：CN117635501A
公开(公告)日：2024-03-01
申请号：CN202311683094.2
申请日：2023-12-08
Applicant: 大连海事大学
IPC: G06T5/90 , G06T5/70 , G06T5/40 , G06N5/04 , G06V10/774 , G06V10/776 , G06V10/82 , G06V10/42
Abstract: 本发明提供一种基于动态梯度调制的水下图像复原模型。本发明主要使用预测图像动态更新伪标签，为优化网络的梯度空间添加动态梯度，改善了图片质量并避免了局部最优。针对现有水下图像复原方法不能处理由介质引起的噪声或由运动引起的图像特征分布改变的问题，提出了一个基于通道组合推理策略和频域平滑模块的特征恢复与重建模块，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。
-
Patent Agency Ranking
公开(公告)号：CN117422652A
公开(公告)日：2024-01-19
申请号：CN202310903092.3
申请日：2023-07-21
Applicant: 大连海事大学
Abstract: 本发明提供一种基于透射率和大气光的深度学习水下图像增强方法。包括以下步骤：首先将原始水下图像通过编码器提取特征用于图像恢复；在编码器中包括基于空间域的透射图驱动细化模块和基于频域的大气光去除模块。其中基于空间域的透射图驱动细化模块和用以改善由图像不同局部透射率不同引起的不均匀图像退化。所述过程的特征图进入基于频域的大气光去除模块，用以恢复水下大气光引起的颜色偏色效应；最终通过解码器组复原特征得到增强后图像，其中解码器组包含基于空间域的透射图驱动细化模块和基于频域的大气光去除模块。本发明使用Charbonnier损失函数、感知损失Lper和频域重建损失LFR的结合对网络性能进行优化，能够有效提高图像质量。
-
公开(公告)号：CN112488955B
公开(公告)日：2023-07-14
申请号：CN202011444570.1
申请日：2020-12-08
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于波长补偿的水下图像复原方法。本发明方法包括：对原图像进行基于九分位细分层次搜索估计大气光点。然后在不同的Jerlov水类型中使用Haze‑lines方法计算透射图，使用不同衰减系数补偿大气光，计算距离图和深度图，得到复原图。为进一步提高水下图像的对比度，使用对比度受限的自适应直方图对复原结果进行增强。然后根据基于灰度世界假设和信息熵的选取法则的确定最终输出图像。本发明利用九分位的方法获取大气光，有效地避免景物和光斑对估计大气光造成的影响，准确的估计大气光。使用不同的水的类型估计距离图和深度图，有效地解决水下图像退化问题，最后使用对比度受限的自适应直方图进行增强可以有效地增强图像的对比度和亮度。
-
公开(公告)号：CN111047530B
公开(公告)日：2023-05-23
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：CN110689504B
公开(公告)日：2022-09-30
申请号：CN201910961757.X
申请日：2019-10-11
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明提供一种基于二次引导透射图的水下图像复原方法。本发明方法，包括：首先对红通道进行反转，在反转后的图像上使用暗通道先验，求取背景光；其次通过原始图像求取饱和度；根据背景光、饱和度和红色暗通道先验求取粗糙透射图，使用引导滤波将粗糙透射图分解为基础图像和细节图像，对基本图像进行拉普拉斯滤波处理，细节图像进行引导滤波处理，将处理后的图像重构得到细化透射图；然后结合水下成像模型进行图像复原；最后对复原图像进行自动色阶处理，得到最终复原图像。本发明专利提出了一种基于二次引导透射图的水下图像复原方法，该方法利用二次引导滤波和自动色阶，不仅有效增强图像细节，还解决颜色失真问题，提升视觉效果。
-
公开(公告)号：CN110175964B
公开(公告)日：2022-09-30
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 0.024 seconds)
