-
公开(公告)号：CN119048893A
公开(公告)日：2024-11-29
申请号：CN202411228873.8
申请日：2024-09-03
Applicant: 大连海事大学
IPC: G06V20/05 , G06V10/44 , G06V10/22 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于空间残差骨干网络的水下目标检测方法。本发明主要采用一种空间残差的思想，通过将图像特征进行分组调制，对水下图像存在的若干退化因素进行准确提取。针对现有目标检测方法忽视水下图像降质分布的异质性，对多种类型的图像退化使用统一的数据容量，本发明提出了利用空间残差思想分组估计图像的特征映射关系以处理情况的退化问题，最后基于真实场景水下数据集进行训练、推理，获取准确的水下目标定位信息。
-
公开(公告)号：CN118887102A
公开(公告)日：2024-11-01
申请号：CN202410929689.X
申请日：2024-07-11
Applicant: 大连海事大学
Abstract: 本发明提供一种基于介质采样和混合渲染的水下新视角合成方法，属于水下图像处理。本发明主要通过降质的水下图像建立水下神经辐射场，通过控制采样过程中用于捕捉介质的采样点数量与属性，并将其与捕捉物体的采样点进行混合体渲染，该水下辐射场准确估计了三维空间内的物体的密度、颜色，并可以通过去除介质采样点的方式来渲染出无水场景的像素颜色。通过控制体积渲染公式中是否加入介质采样部分，可以分别渲染出包含水和去水后的水下场景图像。
-
公开(公告)号：CN115034982B
公开(公告)日：2024-08-09
申请号：CN202210594886.1
申请日：2022-05-27
Applicant: 大连海事大学
IPC: G06T5/90 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明为一种基于多尺度注意机制融合的水下图像增强方法，提供一种多尺度注意机制融合网络来恢复水下图像，包括以下步骤，首先原始的水下图像输入到解码器网络，经过处理后输出特征图，会进入到上述多尺度注意力密集模块，这一模块的加入改善了我们网络的性能，提高了增强图像的视觉效果。接着，经过多尺度注意力密集模块处理后的特征会输入到解码器网络中，最终解码器网络会输出一个增强后的图像。此外，我们还引入了角损失函数作为对生成器额外的监督。角损失函数的作用是提高生成的图像和原始图像之间的相似度，增加图像的清晰度，并减少了图像色彩的偏差。通过大量的实验结果表明，本发明方法优于现有的方法。
-
公开(公告)号：CN114972102B
公开(公告)日：2024-08-02
申请号：CN202210625518.9
申请日：2022-06-02
Applicant: 大连海事大学
Abstract: 本发明提供一种基于全局变对比度增强和局部校正的水下图像增强方法包括：对源图像进行颜色校正处理，采用一种改进的白平衡方法来校正源图像的颜色。对图像进行全局对比度增强处理，采用变对比度和饱和增强模型对源图像进行全局对比度处理以及饱和度增强。对图像进行局部对比度校正处理，采用限制对比度自适应直方图均衡化方法进行局部对比度校正，获取最终的增强图像。本发明利用基于变对比度和饱和增强模型，通过惩罚与颜色校正结果之间的差异来防止输出图像偏离恢复的颜色，利用两个正则化项对图像进行了对比度和饱和度增强，并采用限制性对比度直方图均衡化方法对图像的局部对比度进行调整。
-
公开(公告)号：CN118096622A
公开(公告)日：2024-05-28
申请号：CN202311305004.6
申请日：2023-10-10
Applicant: 大连海事大学
Abstract: 本发明提供一种基于色差强度先验和多尺度融合的水下图像复原方法，通过综合成像模型并结合先验知识和多尺度融合技术反演退化过程获得清晰的水下图像。基于不同波长光的传播特性提出色差强度先验来解决不同退化程度对先验深度估计的影响。并通过色差强度深度图求解背景光在像素中的占比来获得绝对深度极小值，实现了接近双目图像精确度的动态深度转换。然后，通过暗像素先验选择对应点作为反向散射的初始值来拟合消除反向散射，有效地解决了图像的雾效应。最后，基于绿通道补偿红蓝通道来提高图像整体亮度和色彩，并通过高斯金字塔融合伽马矫正和锐化操作后的补偿图像获得对比度更高、细节更丰富、更具有视觉吸引力的复原图像。
-
Patent Agency Ranking
公开(公告)号：CN117952874A
公开(公告)日：2024-04-30
申请号：CN202311683095.7
申请日：2023-12-08
Applicant: 大连海事大学
Abstract: 本发明提供一种基于知识蒸馏的双教师轻量化水下图像增强方法包括以下步骤：通过对双教师提前进行预训练，在学生网络学习阶段进行指导，使学生网络的中间特征更加贴近教师网络的中间特征，这种策略能够增强学生的泛化能力。为了使教师子网输出的不充分利用和使学生网络学习更具区分性的特征表示，本发明提出了困难负样本的对比学习策略，让教师网络的输出成为负样本送入到后续的对比学习中，来强化学生网络的特征学习。本发明方法的所提出的水下图像增强网络该方法能够在保持轻量化的前提下，有效提升图像质量，实现图像增强。
-
公开(公告)号：CN117541521A
公开(公告)日：2024-02-09
申请号：CN202311304894.9
申请日：2023-10-10
Applicant: 大连海事大学
IPC: G06T5/92 , G06T5/80 , G06T5/73 , G06T7/33 , G06T7/35 , G06T7/13 , G06T3/4038 , G06T7/90 , G06T7/50 , G06V10/46
Abstract: 本发明提供一种基于综合成像模型和几何结构保护的水下视觉重建方法，分为图像复原、特征提取、对齐矫正三部分。在图像复原中，本发明基于图像色偏程度结合通道强度先验和无监督技术来估计深度图，解决了由人工照明或纯色物体引起的先验故障，扩展了无监督方法的应用场景。在特征提取中，本发明利用深度改进的随机抽样一致算法基于深度和焦距的一致性去除尺度不变特征变换检测算法匹配错误的特征点对，解决了匹配准确度低、时间复杂度高的问题。在对齐矫正中，本发明基于网格变形和最优化的思想构建目标函数，解决大视差图像对齐和几何结构保护之间相冲突的问题，并得到具有视觉吸引力和自然可见性的重建大视角水下图像。
-
公开(公告)号：CN112508091B
公开(公告)日：2024-01-19
申请号：CN202011411042.6
申请日：2020-12-03
Applicant: 大连海事大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于卷积神经网络的低质量图像分类方法包括以下步骤:首先，预处理数据集、搭建模型、训练模型、预测分类。首先，预处理数据集，对数据集中的所有图像统一尺寸，将数据集分为训练集和测试集，并按照拍摄环境标注对应label；其次，搭建深度学习模型，本发明的深度学习模型为卷积神经网络，模型中包含6个MSCB子结构，同时采用了两个辅助分类器增强模型的鲁棒性，通过一个softmax层输出图像类别信息；然后，使用预处理后的数据集输入模型，通过梯度下降算法训练模型中的各个参数；最后，将待预测的图像输入训练好的模型进行正向传播，得到该图像的类型，总共可分为4种类型：雾天图像、水下图像、低光照图像、正常环境图像。
-
公开(公告)号：CN112419210B
公开(公告)日：2023-09-22
申请号：CN202011444565.0
申请日：2020-12-08
Applicant: 大连海事大学
Abstract: 本发明提供一种基于颜色校正和三区间直方图拉伸的水下图像增强方法。本发明方法，包括：对源图像进行颜色校正处理，采用三区间直方图均衡化方法对源图像分别在R、G、B通道进行处理，对单通道的像素值进行拉伸，进行阈值选择并分离三个子区间，完成三区间均衡化操作，得到三区间直方图均衡化的增强图像。将基于子区间线性变换后的图像和三区间直方图均衡化图像进行线性加权融合，重构出最终的去雾图像。本发明利用基于多区间的直方图均衡化方法，对源图像的单通道直方图进行更精确的划分，在单个区间上进行直方图均衡，同时与颜色校正处理后的图像线性融合，使得源图像的暗处细节得到更好的展示，同时降低了噪声，实现图像去雾。
-
公开(公告)号：CN110889812B
公开(公告)日：2023-05-09
申请号：CN201910961740.4
申请日：2019-10-11
Applicant: 大连海事大学
Abstract: 本发明提供一种多尺度融合图像特征信息的水下图像增强方法。本发明方法，包含以下三个过程：首先，采用动态阈值白平衡解决颜色偏色；其次，增强图像对比度，使用同态滤波分离高频信息和低频信息，使用梯度场双区间直方图均衡化增强高频信息，采用Gamma校正处理低频信息，调整图像曝光度。最后，基于图像对比度、饱和度和最佳曝光度，采用多尺度融合策略对高频信息、双区间直方图输出图和Gamma校正后低频信息进行融合，得到增强图像。本发明专利提出了一种多尺度融合图像特征信息的水下图像增强方法，该方法通过多尺度融合策略，不仅增强图像细节和全局对比度，而且有效避免图像的过曝光和曝光不足，对图像暗区域的细节具有较好增强效果。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.029 seconds)
