-
公开(公告)号：CN117541520A
公开(公告)日：2024-02-09
申请号：CN202311304890.0
申请日：2023-10-10
Applicant: 大连海事大学
Abstract: 本发明提供一种基于最优化算法的低耦合Retinex模型的水下图像增强方法，包括以下步骤：首先，基于RGB颜色空间对原图像各通道总像素值进行细分，得到通道衰减等级。根据该等级，对强衰减通道进行补偿，并计算拉伸因子，进而对各通道进行拉伸的像素分布重映射。为进一步补偿图像亮度损失，采用最优化Retinex模型的变分方法进行增强。首先，构建最优化模型，并根据水下图像特性和多种先验，构建正则项和权重分量，然后，选择合适求解方式对模型进行求解，得到光照分量和反射率分量，最后，通过伽马校正调整光照分量，与反射率分量融合得到最终输出图像。本发明有效解决色彩偏移和衰减色过度补偿问题，同时提升了图像亮度，避免过曝。
-
公开(公告)号：CN117541494A
公开(公告)日：2024-02-09
申请号：CN202311305005.0
申请日：2023-10-10
Applicant: 大连海事大学
IPC: G06T5/60 , G06T5/90 , G06T5/20 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于水下光场Transformer的水下图像增强方法，包括以下步骤：获取真实配对的水下图像并划分水下图像数据集，搭建基于水下光场Transformer的分层编码器‑解码器增强网络，构建L1损失函数、SSIM损失函数组合约束方式对基于水下光场Transformer的分层编码器‑解码器增强网络训练，得到训练完成的水下图像增强网络，将待处理水下图像输入到训练完成的水下图像增强网络中，实现对待处理水下图像的增强。本发明利用水下光场信息消除了水下噪声对Transformer特征聚合的影响，引入并行注意力机制提高了Transformer的局部信息交互能力并提升了模型的泛化能力，极大提高了原始水下图像的清晰度和对比度，可以在水下图像处理、水下目标检测和水下视觉任务中发挥重要作用。
-
公开(公告)号：CN117036189A
公开(公告)日：2023-11-10
申请号：CN202310941900.5
申请日：2023-07-28
Applicant: 大连海事大学
IPC: G06T5/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/098 , G06N3/0464
Abstract: 本发明提供一种基于流明一致性与互补色矫正联合学习的水下图像复原模型。本发明主要使用水下人工光场景与自然光场景几何结构相似性进行亮度区域一致性约束，引导模型对水下低质图像采用近似的特征提取范式，根据互补色图像与原始低质图像的颜色互逆性矫正水体吸收作用造成的颜色特征漂移问题，针对现有水下图像增强方法中存在的结构性损失问题，基于互补色图像结构一致性特点，构建阶段性交互式联合学习策略进行结构信息补全，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：CN116050421A
公开(公告)日：2023-05-02
申请号：CN202211435601.6
申请日：2022-11-16
Applicant: 大连海事大学
Abstract: 本发明一种分布式语义轨迹相似性连接方法，包括以下步骤：建立用于对两个数据集中语义相似的轨迹进行从文本维度、时间维度和空间维度进行定位的全局索引；根据给定的相似性阈值和各维度相似性权重值，对文本相似性、时间相似性和空间相似性的修剪边界进行选择；对全局索引过程进行剪枝，对缺少公共文本项、时间距离下界大于时间边界及空间距离大于空间边界的的轨迹对进行批量修剪；对批量修剪后的局部索引空间结点对，基于轨迹概要对轨迹对进行再次修剪；对再次修剪后的候选轨迹对，重建所有轨迹，计算轨迹间的确相似性以获得满足相似性阈值约束的轨迹对；该方法对现实世界语义轨迹集的广泛实验研究表明，在效率和可扩展性方面明显优于基线。
-
公开(公告)号：CN110689587B
公开(公告)日：2022-09-30
申请号：CN201910961751.2
申请日：2019-10-11
Applicant: 大连海事大学
Abstract: 本发明提供一种基于颜色校正和细节增强的水下图像增强方法。本发明所述的水下图像增强方法包含以下两个步骤：颜色校正和细节增强。首先，选取部分清晰的水下图像，参考清晰图像Lab的平均值调整待复原的水下图像Lab值，实现颜色校正。针对颜色校正图像，将RGB空间转换为HSV空间，对H进行直方图均衡化，对S和V进行归一化处理，实现对比度增强。其次，采用拉普拉斯算子处理对比度增强后图像的线性组合，得到边缘映射图，与对比度增强图像和边缘映射图线性加权融合，得到最终增强后的水下图像。本发明所述算法通过调整Lab空间值实现颜色校正，利用拉普拉斯算子实现细节增强，使图像在颜色校正的基础上具有丰富细节信息，提升图像整体视觉效果。
-
Patent Agency Ranking
公开(公告)号：CN115034982A
公开(公告)日：2022-09-09
申请号：CN202210594886.1
申请日：2022-05-27
Applicant: 大连海事大学
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：CN114972102A
公开(公告)日：2022-08-30
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：CN107704864B
公开(公告)日：2020-10-27
申请号：CN201610546190.6
申请日：2016-07-11
Applicant: 大连海事大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于图像对象性语义检测的显著目标检测方法，包括以下步骤：S1：随机找出多张图像及其显著目标标注结果图组成样本数据库；S2：在每个图像范围内随机密集采样x1、x2、y1和y2，生成检测窗口w(x1,y1,x2,y2)；S3：在检测窗口w下计算图像的对象性边缘密度特征BF、图像的对象性凸包特征CF和图像的对象性亮度对比特征LF；S4：采用贝叶斯框架统计检测窗口下S3中各特征值的概率密度，并计算出各特征的条件概率；S5：利用朴素贝叶斯模型融合三种图像特征建立显著目标识别模型；S6：采用上述方式进行图像的显著目标检测：输入待检测图像I’，分别计算每个检测窗口下的特征值BF、CF和LF,利用S5中的朴素贝叶斯模型进行特征融合，采用非极大值抑制选取最佳窗口标出显著目标的检测结果。
-
公开(公告)号：CN111428934A
公开(公告)日：2020-07-17
申请号：CN202010245046.5
申请日：2020-03-31
Applicant: 大连海事大学
Abstract: 本发明提供一种基于实时统计数据的公交站点短时客流预测方法，包括：将客流时间序列分解为线性趋势部分与非线性特征部分；使用时间序列模型对客流时间序列的线性趋势部分进行预测；利用深度信念网络对客流时间序列非线性特征部分进行预测；利用改进极限学习机算法建立基于客流时间序列的线性趋势部分预测结果以及客流时间序列非线性特征部分预测结果的组合预测模型；基于所述组合预测模型各单一时间尺度客流时间序列预测结果，利用改进极限学习机算法建立混合关系预测模型；利用所述混合关系预测模型预测短时客流变化。本发明综合分析客流统计数据线性特性和非线性特性，有效提高站点客流预测精度。
-
公开(公告)号：CN110689587A
公开(公告)日：2020-01-14
申请号：CN201910961751.2
申请日：2019-10-11
Applicant: 大连海事大学
Abstract: 本发明提供一种基于颜色校正和细节增强的水下图像增强方法。本发明所述的水下图像增强方法包含以下两个步骤：颜色校正和细节增强。首先，选取部分清晰的水下图像，参考清晰图像Lab的平均值调整待复原的水下图像Lab值，实现颜色校正。针对颜色校正图像，将RGB空间转换为HSV空间，对H进行直方图均衡化，对S和V进行归一化处理，实现对比度增强。其次，采用拉普拉斯算子处理对比度增强后图像的线性组合，得到边缘映射图，与对比度增强图像和边缘映射图线性加权融合，得到最终增强后的水下图像。本发明所述算法通过调整Lab空间值实现颜色校正，利用拉普拉斯算子实现细节增强，使图像在颜色校正的基础上具有丰富细节信息，提升图像整体视觉效果。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.027 seconds)
