一种图像去雾方法、系统、电子设备和存储介质

    公开(公告)号:CN118644420A

    公开(公告)日:2024-09-13

    申请号:CN202410759467.8

    申请日:2024-06-13

    Inventor: 刘威 李明辉 贺宜

    Abstract: 本发明涉及图像处理技术领域,尤其涉及一种图像去雾方法、系统、电子设备和存储介质,图像去雾方法包括:构建图像去雾模型并进行训练;其中,图像去雾模型包括:浅层特征提取模块、特征融合模块和图像重建模块;浅层特征提取模块用于提取样本雾天图像的浅层初级特征;特征融合模块用于对浅层初级特征进行编码、解码与特征融合,得到融合图像特征;图像重建模块用于对融合图像特征进行图像通道转换,得到转换图像特征,并将转换图像特征与样本雾天图像进行融合,得到样本去雾图像;将待处理雾天图像输入至训练好的图像去雾模型,得到目标去雾图像。本发明提高了去雾的效率和准确性,有效地消除雾气对图像的影响,恢复出更加清晰、准确的图像细节。

    一种RGI-Lidar/SINS紧耦合AUV水下导航定位方法与系统

    公开(公告)号:CN112611376B

    公开(公告)日:2023-08-01

    申请号:CN202011373126.5

    申请日:2020-11-30

    Abstract: 本发明公开了一种RGI‑Lidar/SINS紧耦合AUV水下导航定位方法与系统,包括:通过捷联解算得到相应时刻包含AUV位置信息、姿态信息的导航信息;获取水下远距离、高清晰度的选通图像;对IMU输出信息进行预积分,获取AUV在不同时刻的IMU位姿约束;对当前帧的选通图像进行特征提取,并将上一帧选通图像作为参考帧与之进行特征匹配,获取视觉里程计约束;对当前帧选通图像进行回环检测,若检测到符合条件的回环帧图像,则将当前帧选通图像与相应回环帧图像进行特征匹配,获取回环检测约束;将上述三种约束作为约束关系加入到位姿图中进行联合优化,获取并输出优化后的AUV位姿;优化后的AUV位姿可作为惯性数据输入。本发明能满足广泛、长时间、远距离的水下导航定位的需求。

    多尺度纹理转移残差网络的遥感卫星超分辨率方法及装置

    公开(公告)号:CN112734642A

    公开(公告)日:2021-04-30

    申请号:CN202110035136.6

    申请日:2021-01-12

    Abstract: 本发明公开了一种多尺度纹理转移残差网络的遥感卫星超分辨率方法及装置,属于遥感卫星图像超分辨率领域,该方法包括:将下采样后的目标低分辨率图像通过深度残差网络进行特征提取,对提取出的特征图进行两次上采样操作,使其与原高分辨率卫星图像大小一致;由多尺度残差模块内使用不同卷积的残差块提取特征图特征信息,使用交叉的方式实现特征信息共享,残差模块外使用跳跃连接的方式实现多尺度特征信息融合;通过特征融合来更新目标低分辨率卫星图像的特征图以生成最终的高分辨率卫星图像;利用判别器对生成的高分辨率图像与原始的高分辨率图像进行对比。本发明所提出的网络优于其他最新的遥感卫星图像超分辨率算法,能生成更高质量的卫星图像。

    船舶检测模型训练方法、装置、电子设备及存储介质

    公开(公告)号:CN119169402A

    公开(公告)日:2024-12-20

    申请号:CN202311515863.8

    申请日:2023-11-13

    Abstract: 本申请提供一种船舶检测模型训练方法、装置、电子设备及存储介质,涉及计算机处理技术领域。方法包括:获取用于模型训练的数据集;将数据集中的样本图像输入待训练的初始检测模型中的骨干网络进行多尺度特征提取,得到每个样本图像对应的不同尺度的多个尺度特征图;将多个尺度特征图输入初始检测模型中的特征提取网络,得到第一特征图和第二特征图;将各个第一特征图和第二特征图输入检测头,得到样本图像对应的检测结果,最后根据检测结果对初始检测模型进行参数调整和迭代训练,直至初始检测模型满足预设模型收敛条件。如此,改善传统船舶检测方式存在小目标检测结果不准确、易漏检的问题。

    基于水天分割的内河雾天图像清晰化方法、系统以及设备

    公开(公告)号:CN117788334A

    公开(公告)日:2024-03-29

    申请号:CN202311653555.1

    申请日:2023-12-05

    Abstract: 本发明提供了基于水天分割的内河雾天图像清晰化方法、系统以及设备,涉及图像处理的技术领域,包括:获取具有内河区域、船舶区域以及天空区域的初始雾天图像;提取船舶区域中的所有像素点,以分割内河区域以及天空区域,以获取天空区域图像以及非天空区域图像;分别对天空区域图像以及非天空区域图像进行深度特征图估计,获得对应的天空区域深度特征图以及非天空区域深度特征图;根据天空区域深度特征图以及非天空区域深度特征图,获得初始雾天图像整体上的目标深度特征图;融合目标深度特征图以及初始雾天图像,获得目标去雾图像。本发明解决了现有去雾技术中存在深度特征估计自适应能力较差,导致其输出的图像具有阴影和色斑的问题。

Patent Agency Ranking