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

Inventor： 张维石 ,  庞磊 ,  张得欢 ,  曹微 ,  周景春

IPC: G06T5/92 ,  G06T5/73 ,  G06T5/40 ,  G06T5/50

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：CN118172267A

公开(公告)日：2024-06-11

申请号：CN202410274084.1

申请日：2024-03-11

Applicant: 大连海事大学

Inventor： 张维石 ,  曹微

IPC: G06T5/60 ,  G06T5/90 ,  G06V10/42 ,  G06V10/44 ,  G06V10/54 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明提供基于多尺度细节特征加权融合网络的水下图像增强方法，以源图像作为输入，根据不同尺度对源图像进行裁剪处理，并且将处理后的特征图分别输入基于多尺度金字塔结构的细节信息细化网络，再利用特征融合模块将不同阶段的特征图进行融合，以获得增强后的细节特征加权图像。本发明基于图像深度学习模型，在传统图像增强网络的基础上新增一个基于细节特征加权的辅助分支网络。子网络以源图像作为输入，并在网络内部进行个多层级融合，使网络能细化图像的纹理信息，保留图像细节信息，改善水下图像所表现出的局部细节模糊问题。其次，针对边缘模糊和颜色偏差问题，设计了基于Unet结构的全局特征增强子网。

公开(公告)号：CN114240793A

公开(公告)日：2022-03-25

申请号：CN202111574984.0

申请日：2021-12-21

Applicant: 大连海事大学

Inventor： 张维石 ,  庞磊 ,  张得欢 ,  曹微 ,  周景春

IPC: G06T5/00 ,  G06T5/40 ,  G06T5/50

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。