-
公开(公告)号:CN118261809A
公开(公告)日:2024-06-28
申请号:CN202410368015.7
申请日:2024-03-28
Applicant: 大连海事大学
Abstract: 本发明提供了一种基于变分Retinex的水下图像重建与融合方法。本发明采用分离的变分Retinex理论,通过调整图像像素的动态范围和光成分,来更好地提取具有数据高阶约束的非局部属性,从而显著的增强水下图像的质量,并通过设计一种图像序列的精确对准策略,实现了图像序列的准确配准,有效地重建了图像序列中带有视差的场景。针对现有水下图像拼接方法区域分割不精细的问题,本发明提供了一个基于接缝邻域信息的新型代价函数,有助于这些解决的接缝的迭代优化。这个过程增强了这些区域内的分割精度,从而实现更精确的场景重建。
-
公开(公告)号:CN117635448A
公开(公告)日:2024-03-01
申请号:CN202311683093.8
申请日:2023-12-08
Applicant: 大连海事大学
Abstract: 本发明提供一种基于直方图均衡化引导的水下复原新视角合成方法。本发明主要使用降质的水下图像和直方图均衡化后的伪真值图像学习建立水下光线追踪场。通过使用原图监督学习水下原图像细节并使用直方图均衡化伪真值图像引导复原后的图像颜色分布。该追踪场准确估计了三维空间内的密度、颜色、光照衰减,并可以通过体积渲染公式渲染出目标成像平面的像素颜色。通过控制体积渲染公式中是否加入光照衰减部分,可以分别渲染出复原前和复原后的水下图像。
-
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:CN117635501A
公开(公告)日:2024-03-01
申请号:CN202311683094.2
申请日:2023-12-08
Applicant: 大连海事大学
IPC: G06T5/90 , G06T5/70 , G06T5/40 , G06N5/04 , G06V10/774 , G06V10/776 , G06V10/82 , G06V10/42
Abstract: 本发明提供一种基于动态梯度调制的水下图像复原模型。本发明主要使用预测图像动态更新伪标签,为优化网络的梯度空间添加动态梯度,改善了图片质量并避免了局部最优。针对现有水下图像复原方法不能处理由介质引起的噪声或由运动引起的图像特征分布改变的问题,提出了一个基于通道组合推理策略和频域平滑模块的特征恢复与重建模块,最后基于真实场景水下数据集进行训练、推理,对水下图像进行复原。
-
公开(公告)号:CN117635440A
公开(公告)日:2024-03-01
申请号:CN202311683097.6
申请日:2023-12-08
Applicant: 大连海事大学
IPC: G06T5/00 , G06T5/10 , G06V10/774 , G06V10/776 , G06N3/0464 , G06V10/42 , G06V10/80 , G06V10/82
Abstract: 本发明提供了一种基于分层小波分解的水下图像复原方法。本发明主要采用一种分治的思想,通过将图像进行分层小波分解,分别对水下图像的低频和高频退化部分进行了准确恢复。针对现有水下图像复原方法忽视水下图像降质分布的异质性,无法处理降质图像中多种类型的图像退化问题,提出了利用小波变换更紧凑地估计图像的特征空间以处理各种频率的退化问题,最后基于真实场景水下数据集进行训练、推理,对水下图像进行复原。
-
公开(公告)号:CN117746223A
公开(公告)日:2024-03-22
申请号:CN202311683100.4
申请日:2023-12-08
Applicant: 大连海事大学
Abstract: 本发明提供了一种基于多元化先验的陆地深度学习模型水下环境迁移方法通过利用陆地深度学习模型的图像建模能力并结合泛化性能更强的水下环境先验知识,使之在复杂多变的水下场景获得更优越的性能。考虑到水下图像退化情况与水域类型有直接联系,设计水域类型先验和图像降质先验,使用水域类型描述水下图像宏观上的颜色、可见度退化,并采用降质先验描述结构、纹理等微观特征。考虑到水下拍摄场景、物体反射率等因素差异,构建样本先验对此类特征进行检索。然后,基于任务损失函数和多元先验检索使用全尺度特征对齐方法和自注意力机制进行任务级图像特征提炼。最后,将特征精炼后的图像输送给陆地模型,使其在水下场景获得更加优异的表现。
-
公开(公告)号:CN117690010A
公开(公告)日:2024-03-12
申请号:CN202311713029.X
申请日:2023-12-13
Applicant: 大连海事大学
IPC: G06V20/05 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/25
Abstract: 本发明提供了一种基于涡旋卷积的水下目标检测方法。本发明受到湍流中涡旋现象的启发,引入了信息流中的“涡旋”以打破噪声引起的干扰,提高了网络区分背景和目标特征的能力,增强了在复杂的水下环境中的检测性能。针对现有水下目标检测方法忽视水下图像降质分布的异质性,无法处理降质图像中噪声干扰的问题,提出了利用辐射调制和洗牌扰动来降低噪声对检测引起的干扰,最后基于真实场景水下数据集进行训练、推理,对水下场景进行目标检测。
-
-
-
-
-
-