公开(公告)号：CN116596788A

公开(公告)日：2023-08-15

申请号：CN202310551602.5

申请日：2023-05-16

申请人： 大连海事大学

发明人： 付先平 ,  张竣博 ,  曹楠 ,  覃文强 ,  王亚飞

IPC分类号： G06T5/00 ,  G06T5/50 ,  G06V10/80 ,  G06V10/82 ,  G06V20/05 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0985

摘要： 本发明公开了一种基于Transformer的多阶段水下图像增强方法，该方法包含如下步骤：建立图像训练集，获取参考图像和待处理的水下图像；构建基于Transformer骨干的多阶段水下图像增强网络；构建损失函数，对基于Transformer骨干的多阶段水下图像增强网络的训练加以约束，得到训练好的多阶段水下图像增强网络；将参考图像和待处理的水下图像依次输入到训练好的多阶段水下图像增强网络中，实现待处理的水下图像增强处理，本发明能够针对不同水下场景下，有效地改善水下因后向散射导致的色偏和对比度低的问题，同时增强了图像的细节和纹理，提高水下降质图像的视觉感知效果。

公开(公告)号：CN116402721A

公开(公告)日：2023-07-07

申请号：CN202310542956.3

申请日：2023-05-15

申请人： 大连海事大学

发明人： 付先平 ,  曹楠 ,  汪广鑫 ,  闫小红 ,  王亚飞

IPC分类号： G06T5/00 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于对比感知损失的水下图像增强方法，包括以下步骤：建立图像训练集与测试集；从训练集中获取待优化水下目标图像和参考图像；构建用于对待优化目标图像进行图像增强的端到端的水下图像增强网络；基于损失函数，对端到端的水下图像增强网络进行训练，得到训练好的端到端的水下图像增强网络；将测试集中图片输入到训练好的端到端的水下图像增强网络中，测试训练结果，实现水下图像的增强，本发明可以有效提高水下图像的可视性，使其具有更丰富的细节信息和更自然的色彩表现。

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

申请人： 大连海事大学

发明人： 付先平 ,  覃文强 ,  曹楠 ,  卢伟豪 ,  樊子豪 ,  王亚飞 ,  张军

IPC分类号： G06T5/00 ,  G06T5/60 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80

摘要： 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。

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

申请人： 大连海事大学

发明人： 付先平 ,  曹楠 ,  卢伟豪 ,  闫小红 ,  张军

IPC分类号： G06V20/05 ,  G06T7/00

摘要： 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。