-
公开(公告)号：CN110689587A
公开(公告)日：2020-01-14
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：CN110503617A
公开(公告)日：2019-11-26
申请号：CN201910807224.6
申请日：2019-08-29
Applicant: 大连海事大学
Abstract: 本发明提供一种基于高、低频信息融合的水下图像增强方法，属于图像处理领域，为解决水下图像的偏色、对比度低、可视性差等问题，本发明方法，包括：基于Retinex模型利用多尺度提取法估计出原图像高频部分照射分量，对获取的照射分量进行对比度受限的自适应直方图均衡化拉伸操作在增强全局对比度的同时突出主特征边缘细节；再将原图像与原图像高频部分照射分量相除来获取原图像低频部分照射分量，采用多尺度局部细节增强算法再对原图像高、低频部分对照射分量进行处理得到各自的细节图；再利用线性加权融合的方法对原图像高、低频部分对照射分量的细节图进行融合；最后对融合后的图像进行颜色校正来获取清晰的水下增强图像。
-
公开(公告)号：CN110334779A
公开(公告)日：2019-10-15
申请号：CN201910640006.8
申请日：2019-07-16
Applicant: 大连海事大学
Abstract: 本发明为一种基于PSPNet细节提取的多聚焦图像融合方法，其特征在于，包括以下步骤：首先，采用金字塔场景解析网络PSPNet聚合不同子区域的上下文信息，同时利用金字塔池化模块捕获多尺度下的全局和局部颜色、纹理、形状等特征信息，在此基础上将4种不同尺度的特征图融合为概率图；其次，采用卷积条件随机场ConvCRFs网络提取图像灰度特征，为了优化二值掩膜图，引入自适应阈值判断；为了获取两个源图像高精确聚焦区域，将优化的二值掩膜图作为权重图，并与两个源图像相乘，最后，将两个区域融合以重构清晰的融合图像。本发明通过图像上下文信息，提升全局特征利用率和分割精度，实现多聚焦图像全方位融合。
-
公开(公告)号：CN120071114A
公开(公告)日：2025-05-30
申请号：CN202510297865.7
申请日：2025-03-13
Applicant: 大连海事大学
IPC: G06V20/05 , G06V10/25 , G06V10/82 , G06V10/40 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/766 , G06N3/045 , G06N3/0464
Abstract: 本发明提供了一种基于状态空间模型的水下目标检测方法。本发明主要采用一种状态空间模型的思想，通过对水下图像构建全局退化建模与局部物理增强的并行通路，对水下图像存在的若干退化因素进行准确提取。针对现有目标检测受限于局部感受野，对多种类型的图像退化难以建模长程退化依赖，本发明提出了利用状态空间模型对上下文信息的感知能力建模退化问题，最后基于真实场景水下数据集进行训练、推理，获取准确的水下目标定位信息。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN118865087A
公开(公告)日：2024-10-29
申请号：CN202410907935.1
申请日：2024-07-08
Applicant: 大连海事大学
IPC: G06V20/05 , G06V10/25 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/82 , G06T3/4046 , G06T3/4053 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种基于RT‑Detr模型的水下目标检测方法，包括采集水下图像，使用DualConv模块替换RT‑Detr模型中的主干网络中的BasicBlock模块，使用替换的DualConv模块提取图像特征；使用具有提取高低频信息的高效注意力对RT‑Detr模型中的AIFI模块进行改进；使用SPAN模块代替RT‑Detr中的RepC3模块；在特征抽取和分类两个任务之间增加了回归任务，并且提出了新的回归任务对候选框进行更新；采用了一种新的回归损失函数，该函数能够使得预测框更加接近真实框，从而提高了检测精度和召回率。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.022 seconds)
