公开(公告)号：CN113658072A

公开(公告)日：2021-11-16

申请号：CN202110935907.7

申请日：2021-08-16

Applicant: 福州大学

Inventor： 牛玉贞 ,  张宇杰 ,  张凌昕

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于渐进式反馈网络的水下图像增强方法，包括以下步骤：步骤S1：将用于训练的水下图像数据进行配对处理，接着对其进行数据增强和归一化处理，得到待训练配对图像；步骤S2：把待训练配对图像输入可在每个阶段结合离散小波变换与注意力反馈机制对图像进行增强的多阶段渐进图像增强网络，训练可对水下图像进行增强的图像增强模型，网络各阶段之间使用监督注意力模块进行校正；步骤S3：设定图像增强网络的目标损失函数；步骤S4：使用配对的训练图像增强网络收敛到纳什平衡；步骤S5：对待增强的水下图像进行归一化处理，然后输入训练好的图像增强模型，输出增强后的图像；本发明有利于提高水下图像质量。

公开(公告)号：CN113658072B

公开(公告)日：2023-08-08

申请号：CN202110935907.7

申请日：2021-08-16

Applicant: 福州大学

Inventor： 牛玉贞 ,  张宇杰 ,  张凌昕

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提出一种基于渐进式反馈网络的水下图像增强方法，包括以下步骤：步骤S1：将用于训练的水下图像数据进行配对处理，接着对其进行数据增强和归一化处理，得到待训练配对图像；步骤S2：把待训练配对图像输入可在每个阶段结合离散小波变换与注意力反馈机制对图像进行增强的多阶段渐进图像增强网络，训练可对水下图像进行增强的图像增强模型，网络各阶段之间使用监督注意力模块进行校正；步骤S3：设定图像增强网络的目标损失函数；步骤S4：使用配对的训练图像增强网络收敛到纳什平衡；步骤S5：对待增强的水下图像进行归一化处理，然后输入训练好的图像增强模型，输出增强后的图像；本发明有利于提高水下图像质量。

公开(公告)号：CN115731199A

公开(公告)日：2023-03-03

申请号：CN202211486776.X

申请日：2022-11-24

Applicant: 福州大学

Inventor： 牛玉贞 ,  张凌昕 ,  李悦洲 ,  何玉琦

IPC: G06T7/00 ,  G06T5/00 ,  G06T5/50 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明涉及一种基于小波变换的非成对水下图像增强方法。包括：将待训练的非成对的数据进行预处理；设计基于小波变换的水下图像增强网络，对输入图像的低频和高频部分进行分别处理，再对高频部分和低频部分进行结合；搭建循环生成对抗网络框架，与基于小波变换的水下图像质量增强网络结合得到基于小波变换的非成对水下图像增强网络；设计用于训练非成对水下图像增强网络的目标损失函数；使用非成对的图像训练基于小波变换的非成对水下图像增强网络收敛到纳什平衡；将待增强水下图像进行归一化处理，然后输入训练好的水下图像增强模型，输出增强图像。本发明能对水下图像进行增强，运用非成对水下图像进行模型训练，解决水下图像失真问题。

公开(公告)号：CN115880176A

公开(公告)日：2023-03-31

申请号：CN202211600609.3

申请日：2022-12-12

Applicant: 福州大学

Inventor： 牛玉贞 ,  张凌昕 ,  张博林

IPC: G06T5/00 ,  G06T3/40 ,  G06N3/08 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/094

Abstract: 本发明提出一种多尺度非成对水下图像增强方法，包括以下步骤：步骤S1：将待训练的非成对数据进行数据预处理、数据增强和归一化处理；步骤S2：设计多尺度水下图像增强网络；步骤S3：搭建循环生成对抗网络结构，与多尺度水下图像质量增强网络结合得到多尺度非成对水下图像增强网络；步骤S4：设计用于训练非成对水下图像增强网络的目标损失函数；步骤S5：使用非成对的图像训练多尺度非成对水下图像增强网络收敛到纳什平衡；步骤S6：将待增强水下图像进行归一化处理，然后输入训练好的水下图像增强模型，输出增强图像。本发明能对水下图像进行增强，运用非成对水下图像进行模型训练，解决水下图像失真问题。