检索结果-南通市图书馆

应用科技 2024年第2期51卷 56-65页

作者：陈鑫钱旭周佳加武杨海装沈阳局驻哈尔滨地区第二军事代表室黑龙江哈尔滨150001 哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001

针对水体光线吸收与散射作用引起的图像模糊、低对比度和颜色失真等问题,提出一种基于水下场景先验的水下图像增强方法。首先利用水下场景的先验知识,结合水下成像物理模型和水下场景的光学特性,利用10种预定义衰减系数合成涵盖不同类... 详细信息

针对水体光线吸收与散射作用引起的图像模糊、低对比度和颜色失真等问题,提出一种基于水下场景先验的水下图像增强方法。首先利用水下场景的先验知识,结合水下成像物理模型和水下场景的光学特性,利用10种预定义衰减系数合成涵盖不同类型和退化水平的水下图像数据集;然后利用初始残差和密集级联,设计一类轻量级卷积神经网络(convolutional neural networks,CNN)模型增强水下图像,结合基于轻量级的网络结构和有效的训练数据,可减少增强模型的计算量并有效改善水下退化图像的视觉质量;最后采用归一化的后处理过程进一步提升图像增强的效果。仿真实验结果表明,所提方法可行有效,可应用到不同的真实水下场景,具有较强的鲁棒性与有效性。

关键词：深度学习卷积神经网络水下场景先验水下图像合成水下图像增强初始残差归一化处理结构相似性损失

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于自适应色彩补偿的超分辨率水下图像增强算法研究

基于自适应色彩补偿的超分辨率水下图像增强算法研究

引用

作者：冯晓静南昌大学

学位级别：硕士

水下环境的不可预测性和多种干扰因素导致水下图像存在颜色失真、能见度低和细节模糊等问题,严重影响了基于视觉技术的应用。为了提取场景中有用的信息,需进行图像增强和修复来改善图像质量。因此,本文以提升水下场景可见度、消除图像... 详细信息

水下环境的不可预测性和多种干扰因素导致水下图像存在颜色失真、能见度低和细节模糊等问题,严重影响了基于视觉技术的应用。为了提取场景中有用的信息,需进行图像增强和修复来改善图像质量。因此,本文以提升水下场景可见度、消除图像色偏和改善细节模糊为研究目标,结合水下光学成像机理,合成了水下图像数据集,同时对水下图像增强和超分辨率展开研究。主要工作如下:(1)针对水下图像数据不足的问题,提出了一种基于成像模型的水下图像生成方法。以水下成像模型为主体,设计了双背景光自适应融合方法对其进行改进。引入了单目深度估计算法和加权引导滤波器获得自然图像的平滑深度图,进而计算出透射率。结合所求相关参数,将自然图像退化为水下图像。选择不同水质类型的衰减系数,可以合成对应水质类型的水下图像。(2)针对面临颜色失真问题的水下图像,提出了基于多尺度色彩补偿与融合的水下图像增强算法。引入了色偏检测算法对图像进行分类。设计了多尺度色彩补偿方法对色偏图像进行通道补偿,再对补偿后图像进行白平衡处理。使用基于秩一先验矩阵的图像去雾算法来实现水下图像去雾,并利用改进的非锐化掩膜方法进行细节保持。最后,将白平衡图像与锐化图像在CIEL*a*b*空间中进行融合,得到最终增强图像。在公开数据集与合成数据集上与8种经典算法进行了对比实验。由实验结果的定性和定量分析可知,本章所提方法能够有效消除图像色偏,提高图像的对比度,并具有较好的鲁棒性。(3)针对同时面临颜色失真与分辨率低等问题的水下图像,提出了一种基于自适应色彩补偿和超分辨率重建的水下图像增强方法。结合水下衰减特性,设计了自适应色彩补偿方法来对颜色失真图像进行像素补充。使用伽马校正方法来对图像过亮和过暗区域进行抑制与增强。设计了水下深度耦合反馈网络,利用各模块之间的相互协作来充分融合上述两种图像,并提高图像分辨率。同时,还设计了一种混合损失函数监督网络训练。在公开数据集和合成数据集中进行了充分的对比实验,结果表明该方法在水下图像增强的基础上进一步改善了图像分辨率低的问题,使得图像色调更加真实,纹理更清晰。

关键词：图像增强水下图像合成色彩补偿图像超分辨率图像融合

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于GAN的水下风格图像数据合成技术研究

基于GAN的水下风格图像数据合成技术研究

引用

作者：洪清德哈尔滨工程大学

学位级别：硕士

视觉是人类从自然界中获得信息的主要途径,通过水下视觉技术能在海洋勘探过程获取更多有用信息,提高水下研究效率。目前,较为成功的深度学习方法大多属于监督学习,训练时需要大量带有参考信息的配对数据。对于水下视觉任务,为了进行可... 详细信息

视觉是人类从自然界中获得信息的主要途径,通过水下视觉技术能在海洋勘探过程获取更多有用信息,提高水下研究效率。目前,较为成功的深度学习方法大多属于监督学习,训练时需要大量带有参考信息的配对数据。对于水下视觉任务,为了进行可靠的模型性能评测,配对数据构成的基准数据集十分必要。然而,相比于陆地数据的获取,水下配对数据的捕获较为困难,需要设计昂贵精密的仪器,而且对于水下场景真实面貌这种信息的获取几乎是不可能的。通过水下图像合成技术可以将陆地图像转换为具有研究水域风格的水下图像,进而促进水下视觉发展。鉴于生成对抗网络在图像生成任务上的成功,本文研究其在水下图像合成领域的应用。通过文献阅读和实验分析发现,现有基于生成对抗网络的水下图像合成方法存在内存占用高、计算量大、缺乏水下特征等问题。因此,本文研究重点在于探索更高效稳定的水下图像合成方法,实现水域风格的实时拟合。开展的具体研究如下:首先,针对于缺少水下特征的问题,本文对水下成像模型进行修缮并结合生成对抗网络设计了一个高效的水下图像合成模型,实现陆地图像到水下图像的转换。相比于已有方法,本文模型不仅效果显著,而且容量和计算消耗更低。其次,对于多变的水域风格,本文基于间接实例标准化操作与风格编码信息构建映射网络,使其能同时学习多种风格特征;使用多分支结构与残差连接设计判别器网络,改善对水下特征的拟合效果,避免不同风格间的相互干扰;此外,还构造一个简易的辅助损失来提高对抗训练的稳定性。本文通过消融实验证明这些设计的有效性。最后,为了进一步证实本文构建的水下合成模型的实用性,考察应用本文扩充数据对水下图像增强模型性能的影响以及合成模型对稀少水域数据和人造水域数据的拟合情况。实验结果表明,本文方法能成功模拟各种水域风格,合成的图像可以有效提高水下增强模型的性能,为后续任务提供更为丰富的水下视觉信息。

关键词：水下图像合成生成对抗网络水下成像模型风格迁移

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：