-
公开(公告)号：CN119580080A
公开(公告)日：2025-03-07
申请号：CN202411664674.1
申请日：2024-11-20
Applicant: 大连海事大学
IPC: G06V20/05 , G06V10/25 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 一种基于改进YOLOv7的目标检测方法，包括以下步骤：获取水下声学图像；对水下声学图像进行数据增强，得到增强后的水下声学图像；将增强后的水下声学图像数据集划分为训练集和测试集；构建基于改进YOLOv7的声纳图像目标识别模型；基于训练集对基于改进YOLOv7的声纳图像目标识别模型进行训练，得到最优目标检测模型；将测试集输入所述最优目标检测模型中，实现对声纳图像的水下目标检测。本发明通过对YOLOv7模型进行改进，在主干提取网络引入注意力机制，提高模型对声纳图像复杂背景的抗干扰能力和目标特征的提取能力，同时在网络Neck部分，融入Multi GnBlocks模块实现关键特征之间的高阶交互。为提高算法的实时性，对模型冗余剪枝，极大压缩模型体积的同时保持检测的高精度。
-
公开(公告)号：CN114612314B
公开(公告)日：2025-03-04
申请号：CN202111571942.1
申请日：2021-12-21
Applicant: 大连海事大学
Abstract: 本发明提供一种基于双引导滤波的水下图像增强方法，首先，对水下图像进行红通道补偿和灰度世界白平衡，校正水下图像的色彩；接下来，使用引导滤波对白平衡后的图像进行增强，得到第一个融合输入图像。然后使用不同尺度的引导滤波得到精确的平滑图像，作为第二个融合输入图像。最后，使用多尺度融合方法，根据输入图分别得到四个权重图，得到标准化权重图，将权重图与输入图进行多尺度融合。本发明利用双引导滤波对水下图像处理，使得增强后的图像视觉效果较好，提升了清晰度。
-
公开(公告)号：CN119025235A
公开(公告)日：2024-11-26
申请号：CN202411032006.7
申请日：2024-07-30
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于云计算网络用户短时需求任务调度优化方法。本发明中，AES‑CTR使用一个初始值IV和一个计数器，每次加密操作都会生成一个新的密文块，即使两个明文块相同，也会产生不同的密文块，这增加了加密的安全性，因为密文块的多样性使得攻击者难以通过密文分析出明文。通过使用AES‑CTR对任务数据进行加密，可以确保用户数据在传输和存储过程中的隐私安全，防止未授权访问和数据泄露。由于AES‑CTR加密和解密操作的效率较高，它可以在保持数据安全性的同时，减少对计算资源的占用，这对于任务调度系统来说是一个重要的优势，因为可以更有效地利用云计算资源。
-
公开(公告)号：CN114240793B
公开(公告)日：2024-10-18
申请号：CN202111574984.0
申请日：2021-12-21
Applicant: 大连海事大学
Abstract: 本发明提供基于多区间子直方图均衡化水下图像增强方法包括以下步骤：对源图像进行颜色校正处理；对图像进行对比度增强处理，采用多区间子直方图均衡化方法对源图像直方图分别在R、G、B通道上进行处理，进行阈值选择并分离多个子区间，进而得到多个子直方图并完成多区间子直方图均衡化操作；将颜色校正后图像以及对比度增强后的图像进行多尺度融合，重构出最终的去雾图像。本发明通过基于多区间子直方图均衡化方法，对源图像的单通道直方图进行更精确的划分，同时与颜色校正处理后的图像多尺度融合，使得源图像的暗处细节得到更好的展示，对比度和颜色得到有效改善，同时降低了噪声，实现图像去雾。
-
公开(公告)号：CN114119383B
公开(公告)日：2024-04-26
申请号：CN202111064114.9
申请日：2021-09-10
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复原方法。本发明方法内容包括：首先通过四叉树分解法求取特征显著的背景光候选区域，根据图像的特征对背景光值进行自适应的融合，确定最终背景光值。其次，对原始图像的波长进行补偿，求取其红色暗通道图作为红色暗通道深度图，求取亮度特征深度图和饱和度特征深度图，对上述三个特征深度图进行融合，获得最终深度图，进而获得透射率；最后根据背景光和透射率求解水下光学成像模型，获得最终的复原图像。本发明利用图像的多个特征，针对退化图像的特性进行自适应的融合，准确的背景光和透射率大幅提升水下图像的复原质量，解决了颜色失真问题，提升了清晰度。
-
Patent Agency Ranking
公开(公告)号：CN117746223A
公开(公告)日：2024-03-22
申请号：CN202311683100.4
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元化先验的陆地深度学习模型水下环境迁移方法通过利用陆地深度学习模型的图像建模能力并结合泛化性能更强的水下环境先验知识，使之在复杂多变的水下场景获得更优越的性能。考虑到水下图像退化情况与水域类型有直接联系，设计水域类型先验和图像降质先验，使用水域类型描述水下图像宏观上的颜色、可见度退化，并采用降质先验描述结构、纹理等微观特征。考虑到水下拍摄场景、物体反射率等因素差异，构建样本先验对此类特征进行检索。然后，基于任务损失函数和多元先验检索使用全尺度特征对齐方法和自注意力机制进行任务级图像特征提炼。最后，将特征精炼后的图像输送给陆地模型，使其在水下场景获得更加优异的表现。
-
公开(公告)号：CN117690010A
公开(公告)日：2024-03-12
申请号：CN202311713029.X
申请日：2023-12-13
Applicant: 大连海事大学
IPC: G06V20/05 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/25
Abstract: 本发明提供了一种基于涡旋卷积的水下目标检测方法。本发明受到湍流中涡旋现象的启发，引入了信息流中的“涡旋”以打破噪声引起的干扰，提高了网络区分背景和目标特征的能力，增强了在复杂的水下环境中的检测性能。针对现有水下目标检测方法忽视水下图像降质分布的异质性，无法处理降质图像中噪声干扰的问题，提出了利用辐射调制和洗牌扰动来降低噪声对检测引起的干扰，最后基于真实场景水下数据集进行训练、推理，对水下场景进行目标检测。
-
公开(公告)号：CN117635500A
公开(公告)日：2024-03-01
申请号：CN202311683092.3
申请日：2023-12-08
Applicant: 大连海事大学
Abstract: 本发明提供基于图像风格引导和深度学习模型的水下图像增强方法。本发明方法，包括：提取输入图像的多尺度特征，融合多尺度特征。在方法的第一阶段输入源图像，提取多尺度特征，然后通过多尺度特征融合提取图像的风格信息，在第二阶段，将源图像和风格信息融合，通过和第一阶段相同的结构，得到结果图像。本发明基于图像风格引导和深度学习模型，在传统图像增强网络的基础上新增一个提取图像风格信息的网络。网络以源图像作为输入，第一阶段提取源图像的风格信息，第二阶段在风格信息的引导下进一步增强图像质量。其次，设计了一种多尺度融合方式，结合注意力机制，充分融合不同尺度的特征。该方法能够有效提升图像质量，实现图像增强。
-
公开(公告)号：CN113269763B
公开(公告)日：2023-07-21
申请号：CN202110620221.9
申请日：2021-06-03
Applicant: 大连海事大学
Abstract: 本发明提供一种基于深度图复原和亮度估计的水下图像清晰度恢复方法。本发明方法，包含以下步骤：首先，对水下图像进行均衡化处理；其次，使用单目深度估计模型估计均衡化后水下图像的相对深度，再使用图像分割的策略，分割出后景深度估计错误的部分并进行重新估计；接着，使用引导滤波平滑深度重新估计的区域；然后，通过深度归一化操作将相对深度转化为绝对深度；将图像像素点按其深度值等分成多个区间，在各区间中搜索退化图像的潜在最小像素点；使用水下图像成像模型，分通道拟合参数并估计并去除后向散射；最后，采用自动亮度值估计方法估计亮度参数，在去除后向散射的图像上使用最优亮度参数调整亮度并去除水下图像偏色。
-
公开(公告)号：CN112488948B
公开(公告)日：2023-05-16
申请号：CN202011407151.0
申请日：2020-12-03
Applicant: 大连海事大学
Abstract: 本发明提供一种基于黑色像素点估计后向散射的水下图像复原方法。本发明方法，包含以下步骤：首先，使用基于自监督的单目深度估计模型估计退化图像的相对深度。根据该相对深度，选择合适的深度上限和下限进行深度归一化操作，从而得到退化图像的绝对深度图。然后，将图像像素点按其深度等分成多个区间，在各区间中搜索退化图像的潜在黑色像素点。使用水下图像成像模型，将看作常数，分通道拟合参数以估计后向散射Bc。最后，引入自定义亮度值t调整图像整体亮度，实现水下图像复原。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.026 seconds)
