公开(公告)号：CN115713493A

公开(公告)日：2023-02-24

申请号：CN202211364039.2

申请日：2022-11-02

Applicant: 大连海事大学

Inventor： 刘彦呈 ,  王帅 ,  刘厶源 ,  朱鹏莅 ,  陈瀚 ,  郭筠 ,  马匡旗 ,  马欢 ,  张勤进 ,  郭昊昊

IPC: G06T7/00 ,  G06V20/05 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/766

Abstract: 本发明公开了一种基于梯度纹理显著性的多任务水下图像的质量评价方法，包括采集水下图像数据集，利用软件标注失真类型标签和质量分数标签；利用sobel算子提取图像的梯度图；利用卷积神经网络对原图和梯度图进行特征提取，对失真类型预测子网络和质量分数回归子网络进行训练、验证和测试，生成失真类型预测模型和质量分数预测模型；利用水下图像质量评估模型对水下图像进行质量评估。本发明对水下图像的质量分数进行回归，既能判断水下图像的失真类型，方便选择增强算法，还以真实类型作为质量回归的指导，提高了水下图像质量评估模型的质量预测精度，能更全面地对水下图像进行评价，提高了水下图像增强系统的运行效率。

公开(公告)号：CN116051840A

公开(公告)日：2023-05-02

申请号：CN202310059786.3

申请日：2023-01-17

Applicant: 大连海事大学

Inventor： 刘彦呈 ,  郭筠 ,  刘厶源 ,  朱鹏莅 ,  陈瀚 ,  王帅 ,  马匡旗 ,  马欢 ,  张勤进 ,  郭昊昊

IPC: G06V10/26 ,  G06V20/05 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06V20/70 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/094 ,  G06N3/0895

Abstract: 本发明公开了一种基于生成对抗学习的半监督水下图像语义分割方法，包括：获取水下图像并划分为训练集、验证集和测试集，并对水下图像进行预处理；设计兼具Transformer全局自注意力机制和卷积神经网络底层细节和定位优势的混合编码分割器；构建半监督语义分割的生成对抗网络；利用半监督语义分割的生成对抗网络对训练集和验证集上进行训练，得到预测模型，并采用测试集对预测模型进行评估。本发明能够以较低的计算成本实现准确的图像分割，能更好的应用于水下图像语义分割任务，对水下航行器光视觉智能感知系统的发展具有重要的指导意义和应用价值。