-
公开(公告)号：CN118261809A
公开(公告)日：2024-06-28
申请号：CN202410368015.7
申请日：2024-03-28
Applicant: 大连海事大学
Abstract: 本发明提供了一种基于变分Retinex的水下图像重建与融合方法。本发明采用分离的变分Retinex理论，通过调整图像像素的动态范围和光成分，来更好地提取具有数据高阶约束的非局部属性，从而显著的增强水下图像的质量，并通过设计一种图像序列的精确对准策略，实现了图像序列的准确配准，有效地重建了图像序列中带有视差的场景。针对现有水下图像拼接方法区域分割不精细的问题，本发明提供了一个基于接缝邻域信息的新型代价函数，有助于这些解决的接缝的迭代优化。这个过程增强了这些区域内的分割精度，从而实现更精确的场景重建。
-
公开(公告)号：CN112508106B
公开(公告)日：2024-05-24
申请号：CN202011446698.1
申请日：2020-12-08
Applicant: 大连海事大学
IPC: G06V10/764 , G06V20/05 , G06N3/0464 , G06V10/82 , G06N3/09
Abstract: 本发明提供一种基于卷积神经网络的水下图像分类方法。本发明包括以下步骤：增强数据集、搭建模型、训练模型、预测分类。首先，对小规模水下退化图像采用组合式数据增强：包括上下翻转、左右翻转、添加随机噪声，得到增强后的数据集；其次，搭建深度学习模型，本发明的深度学习模型为卷积神经网络，模型包含9个FSCB(Four‑scales convolution block)子结构以及3个辅助分类器；然后，使用增强后的水下图像数据集对模型进行训练；最后，将待预测的水下图像输入训练好的模型进行正向传播，得到该图像的类型，总共可分为10种类型：开阔水域类型：I、IA、IB、II和III，其中I型最清晰、III型最浑浊；沿海水类型：1、3、5、7、9，其中1型最清晰，9型最浑浊。
-
公开(公告)号：CN117745610A
公开(公告)日：2024-03-22
申请号：CN202311683096.1
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方向卷积注意机制的水下图像增强方法，包括以下步骤：对于输入图像使用特征提取模块进行初步特征，然后输入到编码器中，其中包括使用下采样操作、多方向卷积注意机制提取大感受野的特征，多方向卷积注意机制结合四个方向的特征进行增强。重复上述操作四次，获取不同尺寸的特征信息。针对最小尺寸特征使用多方向卷积注意机制进行特征增强，输入到解码器中进行特征恢复。其中编码器包括使用上采样操作恢复特征尺寸，结合编码器中对应尺度的特征进行特征恢复，重复上述操作四次。最后使用平滑L1损失函数、感知损失函数和多尺度结构相似性损失函数对于网络进行引导，有效增强水下图像。
-
公开(公告)号：CN117635448A
公开(公告)日：2024-03-01
申请号：CN202311683093.8
申请日：2023-12-08
Applicant: 大连海事大学
Abstract: 本发明提供一种基于直方图均衡化引导的水下复原新视角合成方法。本发明主要使用降质的水下图像和直方图均衡化后的伪真值图像学习建立水下光线追踪场。通过使用原图监督学习水下原图像细节并使用直方图均衡化伪真值图像引导复原后的图像颜色分布。该追踪场准确估计了三维空间内的密度、颜色、光照衰减，并可以通过体积渲染公式渲染出目标成像平面的像素颜色。通过控制体积渲染公式中是否加入光照衰减部分，可以分别渲染出复原前和复原后的水下图像。
-
公开(公告)号：CN117541520A
公开(公告)日：2024-02-09
申请号：CN202311304890.0
申请日：2023-10-10
Applicant: 大连海事大学
Abstract: 本发明提供一种基于最优化算法的低耦合Retinex模型的水下图像增强方法，包括以下步骤：首先，基于RGB颜色空间对原图像各通道总像素值进行细分，得到通道衰减等级。根据该等级，对强衰减通道进行补偿，并计算拉伸因子，进而对各通道进行拉伸的像素分布重映射。为进一步补偿图像亮度损失，采用最优化Retinex模型的变分方法进行增强。首先，构建最优化模型，并根据水下图像特性和多种先验，构建正则项和权重分量，然后，选择合适求解方式对模型进行求解，得到光照分量和反射率分量，最后，通过伽马校正调整光照分量，与反射率分量融合得到最终输出图像。本发明有效解决色彩偏移和衰减色过度补偿问题，同时提升了图像亮度，避免过曝。
-
Patent Agency Ranking
公开(公告)号：CN117541494A
公开(公告)日：2024-02-09
申请号：CN202311305005.0
申请日：2023-10-10
Applicant: 大连海事大学
IPC: G06T5/60 , G06T5/90 , G06T5/20 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于水下光场Transformer的水下图像增强方法，包括以下步骤：获取真实配对的水下图像并划分水下图像数据集，搭建基于水下光场Transformer的分层编码器‑解码器增强网络，构建L1损失函数、SSIM损失函数组合约束方式对基于水下光场Transformer的分层编码器‑解码器增强网络训练，得到训练完成的水下图像增强网络，将待处理水下图像输入到训练完成的水下图像增强网络中，实现对待处理水下图像的增强。本发明利用水下光场信息消除了水下噪声对Transformer特征聚合的影响，引入并行注意力机制提高了Transformer的局部信息交互能力并提升了模型的泛化能力，极大提高了原始水下图像的清晰度和对比度，可以在水下图像处理、水下目标检测和水下视觉任务中发挥重要作用。
-
公开(公告)号：CN117036189A
公开(公告)日：2023-11-10
申请号：CN202310941900.5
申请日：2023-07-28
Applicant: 大连海事大学
IPC: G06T5/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/098 , G06N3/0464
Abstract: 本发明提供一种基于流明一致性与互补色矫正联合学习的水下图像复原模型。本发明主要使用水下人工光场景与自然光场景几何结构相似性进行亮度区域一致性约束，引导模型对水下低质图像采用近似的特征提取范式，根据互补色图像与原始低质图像的颜色互逆性矫正水体吸收作用造成的颜色特征漂移问题，针对现有水下图像增强方法中存在的结构性损失问题，基于互补色图像结构一致性特点，构建阶段性交互式联合学习策略进行结构信息补全，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。
-
公开(公告)号：CN110689587B
公开(公告)日：2022-09-30
申请号：CN201910961751.2
申请日：2019-10-11
Applicant: 大连海事大学
Abstract: 本发明提供一种基于颜色校正和细节增强的水下图像增强方法。本发明所述的水下图像增强方法包含以下两个步骤：颜色校正和细节增强。首先，选取部分清晰的水下图像，参考清晰图像Lab的平均值调整待复原的水下图像Lab值，实现颜色校正。针对颜色校正图像，将RGB空间转换为HSV空间，对H进行直方图均衡化，对S和V进行归一化处理，实现对比度增强。其次，采用拉普拉斯算子处理对比度增强后图像的线性组合，得到边缘映射图，与对比度增强图像和边缘映射图线性加权融合，得到最终增强后的水下图像。本发明所述算法通过调整Lab空间值实现颜色校正，利用拉普拉斯算子实现细节增强，使图像在颜色校正的基础上具有丰富细节信息，提升图像整体视觉效果。
-
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。
-
公开(公告)号：CN114972102A
公开(公告)日：2022-08-30
申请号：CN202210625518.9
申请日：2022-06-02
Applicant: 大连海事大学
Abstract: 本发明提供一种基于全局变对比度增强和局部校正的水下图像增强方法包括：对源图像进行颜色校正处理，采用一种改进的白平衡方法来校正源图像的颜色。对图像进行全局对比度增强处理，采用变对比度和饱和增强模型对源图像进行全局对比度处理以及饱和度增强。对图像进行局部对比度校正处理，采用限制对比度自适应直方图均衡化方法进行局部对比度校正，获取最终的增强图像。本发明利用基于变对比度和饱和增强模型，通过惩罚与颜色校正结果之间的差异来防止输出图像偏离恢复的颜色，利用两个正则化项对图像进行了对比度和饱和度增强，并采用限制性对比度直方图均衡化方法对图像的局部对比度进行调整。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.027 seconds)
