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

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

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。

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

Applicant: 大连海事大学

Inventor： 付先平 ,  张竣博 ,  曹楠 ,  覃文强 ,  王亚飞

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

Abstract: 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。