公开(公告)号：CN118781032A

公开(公告)日：2024-10-15

申请号：CN202410746955.5

申请日：2024-06-11

Applicant: 西安交通大学

Inventor： 张译 ,  杨奇学 ,  陈伟 ,  牟轩沁

IPC: G06T5/90 ,  G06T7/90

Abstract: 本发明提供了一种水下图像增强方法、系统、计算机设备及存储介质，属于图像处理技术领域。先对获取的原始水下图像进行图像色彩校正，再对图像色彩校正后的水下图像进行Retinex分解，以获取反射分量和照度分量，最后利用反射分量、照度分量以及图像色彩校正后的水下图像CIELAB空间色彩分量的增强分量，重建增强的水下图像。与现有技术相比，本发明有效地解决了现有技术中不能灵活地应对各种复杂的水下环境，而且容易出现颜色失真、欠增强和过增强的问题。

公开(公告)号：CN117575934A

公开(公告)日：2024-02-20

申请号：CN202311695330.2

申请日：2023-12-11

Applicant: 西安交通大学

Inventor： 张译 ,  杨奇学 ,  牟轩沁

IPC: G06T5/60 ,  G06T5/80 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明属于图像处理领域，公开了一种基于卷积稀疏残差学习的混合失真图像复原方法，本发明处理的失真类型和强度在空间分布上更具随机性，更符合现实场景中的图像失真情况；本发明使用基于转置注意力机制的学习迭代阈值收缩算法解决多尺度卷积残差稀疏编码优化问题，并将深度展开网络嵌入到U‑Transformer网络中，兼具学习能力强和可解释性好的优点；本发明与传统复原网络所经常采用的卷积运算相比，本发明将转置注意力机制引入复原网络模型，建模了通道间的依赖关系，在保持参数量较小的情况下，改善了网络的自适应能力和性能。

公开(公告)号：CN116912125A

公开(公告)日：2023-10-20

申请号：CN202310919504.2

申请日：2023-07-25

Applicant: 西安交通大学

Inventor： 张译 ,  杨奇学 ,  牟轩沁

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08 ,  G06V10/54 ,  G06V10/80 ,  G06V10/82 ,  G06V10/74

Abstract: 本发明公开了一种基于参考纹理迁移的多阶段混合失真图像复原方法，通过三阶段图像处理过程逐步提高混合失真图像的感知质量。本发明的第一阶段实现对混合失真图像的预恢复，第二、第三阶段在纹理匹配的基础上，将参考图像纹理特征迁移至失真图像对应的空间位置，并通过纹理重建网络实现复原图像感知质量的进一步提升。实验结果表明，本发明的三个阶段的算法模型都优于目前主流的图像复原算法。