-
公开(公告)号：CN119313596A
公开(公告)日：2025-01-14
申请号：CN202411283720.3
申请日：2024-09-13
Applicant: 大连海事大学
Abstract: 本发明提供一种基于中间域模型的水下图像去浑浊方法，属于水下图像处理技术领域。构建真实水下浑浊图像数据集；利用真实水下浑浊图像数据集和成对的非浑浊图像数据集，通过知识转换的技巧生成成对的水下浑浊图像数据集；构建水下图像去浑浊模型；利用成对的浑浊图像数据集进行模型预训练包括：通过浑浊图估计网络获得中间域图像；通过补偿图估计网络获得补偿图；将中间域图像与补偿图相加；并通过一个卷积块得到去浑浊后的高质量水下图像；通过联合损失函数对水下图像去浑浊模型进行约束；输入真实水下浑浊图像，利用训练后的模型获得去浑浊后的高质量水下图像。本发明能够获得高质量水下图像，且具有更好的普适性。
-
公开(公告)号：CN118918086A
公开(公告)日：2024-11-08
申请号：CN202410974581.2
申请日：2024-07-19
Applicant: 大连海事大学
IPC: G06T7/00 , G06V20/05 , G06V10/40 , G06V10/50 , G06V10/56 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明提供一种多先验指导的水下图像质量评价方法，包括：将水下图像数据集划分为训练集和测试集；在网络模型中，串行特征提取模块设计颜色先验、对比度先验和细节先验指导学习水下图像的关键特征，用于提取水下图像的多尺度特征，并行特征交互模块用于对多尺度特征进行融合，线性映射层用于根据融合后的多尺度特征计算质量分数；从测试集中选择任一图像组，将选择的图像组的所有水下图像分别输入训练后的网络模型，得到该组每张水下图像对应的分数；根据该组每张水下图像对应的分数，对该组的所有水下图像按照分数递增或分数递减的顺序进行排序，得到水下图像质量评价的同时还能准确地对多样的水下图像处理方法的性能进行评测。
-
公开(公告)号：CN117011687A
公开(公告)日：2023-11-07
申请号：CN202310574984.3
申请日：2023-05-19
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于配对样本的全参考水下增强图像质量评价方法，包括：构建成对水下图像数据集；所述成对水下图像为参考图像和失真的水下图像构成；获取参考图像和增强图像的四类特征图；所述增强图像由水下图像增强算法生成；采用衰减图和饱和度图对所述增强图像存在的颜色失真进行评价，得到语义相似指数；采用暗通道先验图和MSCN系数图，对所述增强图像存在的伪影或模糊进行评价，得到结构差异指数；融合语义相似指数和结构差异指数，得到增强图像的质量分数；本发明能够有效的评估水下增强图像与地面真实参考图像在语义和结构方面之间的相似性，从而对不同的水下图像增强算法做出评价，且该方法与人类主观评价有着较高的相关性。
-
公开(公告)号：CN117670687A
公开(公告)日：2024-03-08
申请号：CN202311731887.7
申请日：2023-12-15
Applicant: 大连海事大学
IPC: G06T5/00 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/084 , G06V10/42 , G06V10/44 , G06V10/80
Abstract: 本发明公开了一种基于CNN和Transformer混合结构的水下图像增强方法，该发明基于深度学习技术实现，公开了一种水下图像增强网络。所提出的图像增强方法包括区域化两阶段视觉Transformer模块与全尺度特征融合模块两个核心模块，区域化两阶段视觉Transformer模块针对水下图像的退化是不均匀的这一特点，在全局阶段获得每个区域的感知参考权重，并将权重与特征区域相乘。在区域阶段这些特征区域独立地对跨通道维度的依赖性进行建模。全尺度特征融合模块通过特征融合和通道调整实现了充分利用全尺度信息。在所设计的区域化两阶段视觉Transformer模块与全尺度特征融合模块的共同作用下，本文方法能够充分的提取图像的特征，鲁棒、稳定地提高恶劣环境下的图像质量。
-
-
-
Search Results
4
records
(took 0.017 seconds)
