-
公开(公告)号：CN110503617B
公开(公告)日：2022-09-30
申请号：CN201910807224.6
申请日：2019-08-29
Applicant: 大连海事大学
Abstract: 本发明提供一种基于高、低频信息融合的水下图像增强方法，属于图像处理领域，为解决水下图像的偏色、对比度低、可视性差等问题，本发明方法，包括：基于Retinex模型利用多尺度提取法估计出原图像高频部分照射分量，对获取的照射分量进行对比度受限的自适应直方图均衡化拉伸操作在增强全局对比度的同时突出主特征边缘细节；再将原图像与原图像高频部分照射分量相除来获取原图像低频部分照射分量，采用多尺度局部细节增强算法再对原图像高、低频部分对照射分量进行处理得到各自的细节图；再利用线性加权融合的方法对原图像高、低频部分对照射分量的细节图进行融合；最后对融合后的图像进行颜色校正来获取清晰的水下增强图像。
-
公开(公告)号：CN110334779B
公开(公告)日：2022-09-30
申请号：CN201910640006.8
申请日：2019-07-16
Applicant: 大连海事大学
Abstract: 本发明为一种基于PSPNet细节提取的多聚焦图像融合方法，其特征在于，包括以下步骤：首先，采用金字塔场景解析网络PSPNet聚合不同子区域的上下文信息，同时利用金字塔池化模块捕获多尺度下的全局和局部颜色、纹理、形状等特征信息，在此基础上将4种不同尺度的特征图融合为概率图；其次，采用卷积条件随机场ConvCRFs网络提取图像灰度特征，为了优化二值掩膜图，引入自适应阈值判断；为了获取两个源图像高精确聚焦区域，将优化的二值掩膜图作为权重图，并与两个源图像相乘，最后，将两个区域融合以重构清晰的融合图像。本发明通过图像上下文信息，提升全局特征利用率和分割精度，实现多聚焦图像全方位融合。
-
公开(公告)号：CN115034981A
公开(公告)日：2022-09-09
申请号：CN202210593981.X
申请日：2022-05-27
Applicant: 大连海事大学
Abstract: 本发明提供一种基于嵌入式多特征融合的深度学习水下图像增强方法，包括以下步骤：获取原始水下图像P再分别获取颜色校正后的增强图像P1及对比度后的增强图像P2；设置每个输入均通过残差增强模块，分别提取到三条路径的特征；再将特征融合；提取到每条路径的深层特征；将三条路径的深层特征进行拼接，并且通过连续的多次下采样操作，获取低分辨率下的特征图；通过注意力模块分别给不同特征赋予不同的权重值，再通过解码器模块获取最终的增强图像P3，并且使用Ll2损失函数和感知损失Lper的组合对网络性能进行优化。本发明主要利用多特征融合方法，将颜色校正和图像细节的特征融合，从而起到较好的解决水下图像的偏色问题并且更好的恢复图像细节。
-
公开(公告)号：CN114418876A
公开(公告)日：2022-04-29
申请号：CN202210006725.6
申请日：2022-01-05
Applicant: 大连海事大学
Abstract: 本发明提供一种基于光散射特性水下图像增强方法包含以下三个过程：首先，根据水下原始图像的红绿蓝三通道平均值占比，将水下图像的偏色分为五种类型，分别是：不偏色、蓝绿色、绿蓝色、绿色、蓝色。然后，在不考虑偏色的情况下，通过光学衰减特性计算出不同场景水下图像RGB三个通道的色彩损失率。在考虑偏色的情况下，提出多场景色彩恢复方法，计算出损失率误差，并求得最终的色彩损失率，校正水下图像颜色偏色问题。最后，在保持色彩恒常的情况下，设定多对比度因子图像直方图方法，重新分布颜色校正后的水下图像红绿蓝三通道的灰度值，本发明能够有效的提高增强水下图像对比度的效果。
-
公开(公告)号：CN113344802A
公开(公告)日：2021-09-03
申请号：CN202110419038.2
申请日：2021-04-19
Applicant: 大连海事大学
Abstract: 本发明提供一种基于自适应的大气光融合的水下图像复原方法，首先确定要进行融合的三个大气光值，第一、二个大气光值通过四叉树搜索法确定，第三个大气光值取红暗通道图中所有像素里最大的0.1％像素值的均值，三个大气光值通过两个自适应的参数进行融合；其次对原始图求取饱和度；根据水下成像模型求取粗糙透射图，通过导向滤波把粗糙透射图分解为内容图和轮廓图，对轮廓图依据局部方差进行自适应的处理，将处理之后的两个图像进行重构得到了细化透射图；最后对复原图像进行自动色阶处理，获得最终的复原图像。本发明利用自适应的大气光融合和优化的透射率，不仅有效提高图像的清晰度，而且可以解决颜色失真问题，场景适应能力很强。
-
Patent Agency Ranking
公开(公告)号：CN111210395A
公开(公告)日：2020-05-29
申请号：CN202010023145.9
申请日：2020-01-09
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明提供一种基于灰度值映射的Retinex水下图像增强方法，包括五个过程：颜色校正、滤波去噪、建立灰度映射函数、寻找最佳参数以及对比度增强。首先对采集的水下退化图像采用带有颜色恢复因子的多尺度Retinex算法进行颜色校正，获取第一幅输出图像；其次将第一幅输出图像采用各向异性扩散滤波进行对比度增强，获得第二幅输出图像；然后建立灰度值映射函数；接着根据图像的信息熵及全局亮度均值，并结合模拟退火算法快速寻找参数最佳值，完善灰度值映射函数；最后对第二幅输出图采用灰度值映射得到最后的增强图像。本发明在无需任何先验信息条件下，有效实现水下图像颜色校正和对比度增强，提升图像视觉效果，可以应用于水下图像预处理。
-
公开(公告)号：CN110175964A
公开(公告)日：2019-08-27
申请号：CN201910459639.9
申请日：2019-05-30
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明提供一种基于拉普拉斯金字塔的Retinex图像增强方法。本发明方法，包含以下三个过程：首先对原图像进行多尺度卷积，采用3个3*3的高斯卷积核进行卷积，获取不同尺度R、G、B通道特征图。其次采用Retinex算法估计入射分量并增强色彩；对反射分量增强细节。最后将色彩增强图像与细节增强图像线性加权融合，得到增强图像。本发明专利采用多尺度卷积获取图像更多细节，利用MSRCR算法图像增强，对入射分量进行Gamma校正实现色彩增强。对反射分量采用双边滤波去噪，降低噪声干扰，通过拉普拉斯金字塔提取图像细节信息。将色彩增强图像和细节增强图像进行线性加权融合，实现图像增强。
-
公开(公告)号：CN115034979B
公开(公告)日：2025-04-18
申请号：CN202210593968.4
申请日：2022-05-27
Applicant: 大连海事大学
Abstract: 本发明提供一种基于双路径联合校正的深度学习水下图像增强方法，包括以下步骤：获取基本的特征图；分别获取到R、G、B通道的特征图；添加通道注意力机制得到权重矩阵乘到之前特征图上对应通道的每个像素值；获取富有代表性的颜色特征；将所述纹理特征提取路径中获取的基本特征图进行双维注意力的处理；通过像素注意力模块对所述高阶特征形成重新校准的纹理细节特征；将颜色特征和纹理特征拼接为一个全新的综合特征，馈送到多尺度的U‑Net网络中；最终输出增强后的结果图像。本发明采用三元组特征提取模块，将图像R、G、B通道分别处理，平衡了退化图像的R、G、B颜色的灰度比，解决了图像的偏色问题，获得了更好的色彩校正效果。
-
公开(公告)号：CN119516342A
公开(公告)日：2025-02-25
申请号：CN202411673774.0
申请日：2024-11-21
Applicant: 大连海事大学
IPC: G06V10/98 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种基于多向感知集成和差异捕捉机制的图像质量评估模型。本发明主要使用在水下图像增强过程中，针对水下图像增强算法生成的图像偏差，特别是过度增强和增强不足等偏差，首先通过比例图像合成技术在原始图像与增强图像之间生成一系列递进的影像，精确模拟图像增强过程中可能出现的偏差，接着引入多元分组策略，对从原始图像到参考图像的演变过程应用多向感知集成，随后采用差异捕捉机制，对从原始图像到参考图像再到过度增强或增强不足的图像序列进行图像偏差区域的互动捕捉，最终利用并行处理架构，从多维度综合分析分数特征与权重特征，实现对图像最终质量评分的精确预测。
-
公开(公告)号：CN115034981B
公开(公告)日：2024-08-06
申请号：CN202210593981.X
申请日：2022-05-27
Applicant: 大连海事大学
IPC: G06T5/90 , G06T5/60 , G06T5/40 , G06N3/0455 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于嵌入式多特征融合的深度学习水下图像增强方法，包括以下步骤：获取原始水下图像P再分别获取颜色校正后的增强图像P1及对比度后的增强图像P2；设置每个输入均通过残差增强模块，分别提取到三条路径的特征；再将特征融合；提取到每条路径的深层特征；将三条路径的深层特征进行拼接，并且通过连续的多次下采样操作，获取低分辨率下的特征图；通过注意力模块分别给不同特征赋予不同的权重值，再通过解码器模块获取最终的增强图像P3，并且使用Ll2损失函数和感知损失Lper的组合对网络性能进行优化。本发明主要利用多特征融合方法，将颜色校正和图像细节的特征融合，从而起到较好的解决水下图像的偏色问题并且更好的恢复图像细节。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.023 seconds)
