【摘 要】
:
由于水下成像环境的复杂,并且受浮沙、浮游生物和光照的影响而动态变化,水下图像往往具有偏色、对比度低、细节信息模糊的特点,原始的水下视频图像很难达到视觉质量的要求。近年来,为了提高水下图像的视觉质量,水下图像增强受到了广泛的关注和深入地研究。随着深度学习在计算机视觉领域的巨大成功,基于深度学习的水下图像增强算法逐渐成为了水下图像领域的研究热点。然而,同时获得大量退化和清晰的配对水下图像是几乎不可能的
论文部分内容阅读
由于水下成像环境的复杂,并且受浮沙、浮游生物和光照的影响而动态变化,水下图像往往具有偏色、对比度低、细节信息模糊的特点,原始的水下视频图像很难达到视觉质量的要求。近年来,为了提高水下图像的视觉质量,水下图像增强受到了广泛的关注和深入地研究。随着深度学习在计算机视觉领域的巨大成功,基于深度学习的水下图像增强算法逐渐成为了水下图像领域的研究热点。然而,同时获得大量退化和清晰的配对水下图像是几乎不可能的,缺少训练数据使得深度学习模型的训练变得困难。为此,研究人员采用合成水下图像或人工筛选最佳视觉质量的增强图像作为训练数据。合成水下图像与真实水下图像在逼真度和场景上有着较大的差距,人工筛选增强图像的方式得到的不是真实的参考图像,受主观因素影响可能会导致一些标注上的矛盾。本文针对训练数据不足的问题进行解决,提出了基于域自适应的水下图像增强框架。首先,本文设计了域自适应模型,通过判别学习缩小合成水下图像与真实水下图像在潜在风格上的差异,通过对比学习损失函数保留了合成水下图像的内容信息。在此基础上,本文设计了负样本挖掘模块保证对比学习得到充分利用。然后,本文设计了水下图像增强模型,采用多尺度编码解码模型对水下图像进行增强。最后,本文通过端到端的方式训练域自适应模型和水下图像增强模型。在公开基准数据集上,本文提出的模型性能优于其他的算法。
其他文献
q-形变W(2,2)代数是一个以{Ln,Wn}n∈Z为基底的Hom-李代数,记作Wq.本文主要研究Wq的2阶上同调群与双导子的结构.首先,将李代数的双导子的概念推广到Hom-李代数上,并进一步讨论Hom-李代数上的双导子与线性交换映射之间的关系.接着,研究Wq的取值在伴随模上的2阶上同调群.定义Ln与Wn的次数为n,可以将Wq进行Z-分次,从而Wq的2阶上同调群H~2(Wq,Wq)有一个自然的Z-
本文研究了一类目标函数具有分块结构的复合优化问题。针对该问题,块坐标方法是一类高效的求解方法,其核心是每次迭代过程中根据选择策略仅对部分块坐标进行更新,而其余坐标保持不变。此方法通过有效地计算部分块坐标而不需要进行完全的操作,显著提高了相应算法的计算性能。基于块坐标方法,本文提出了块坐标Bregman 近端梯度法(简称为BCBPG)来最小化两个非凸函数的和,其中一个函数是块坐标变量分离且相对光滑的
近些年来,分数阶问题一直是偏微分方程领域研究的热点与前沿问题。在分数阶问题中,起主要作用的是分数阶Laplace算子或更一般的非局部积分算子。分数阶算子具有非局部特性,因此为描述具有遗传和记忆性质的材料等提供了极有价值的研究方法。对于分数阶问题,解的存在性、唯一性以及正则性目前已有了大量的研究。本文在分数阶Sobolev空间的理论框架下,研究了如下一类具超临界增长的分数阶Schrodinger方程
光纤传感器具有电磁干扰小、体积小、重量轻、测量距离远等优点,在航空航天工业、遥感领域、智能物联网和测量仪器中实现了广泛应用。本文提出了基于Lyot滤波与模式干涉的光纤传感结构。从理论建立、模型计算和实验验证的角度对新型光纤扭转结构的扭转传感性能进行了研究,并分析了其他物理参量对新型传感器性能的影响,为光纤扭转传感器的设计、制造和应用提供了新的思路。本文提出了一种基于Lyot滤波器的新型扭转传感器,
椭圆曲面上的纤维除了有限条外都是椭圆曲线。计算椭圆曲线的秩一般需要先计算其上界Selmer秩。我们考虑:椭圆曲线的2-Selmer秩是否与某些容易计算的变量存在联系,并且该联系不依赖于二次同源的存在性。我们选定了一族具体的椭圆曲线为研究对象,在计算结果中寻找2-Selmer秩与其它变量的联系;从理论上证明曲线关于秩分布的相关结论。分别沿正负两个方向取整数参数,当计算目标族内曲线个数达到(10~3)
本文研究Korteweg-de Vries方程基于广义数值流通量的超弱间断有限元和直接间断有限元方法。Korteweg-de Vries方程是一种刻画浅水波表面运动的偏微分方程,其解通常存在大梯度孤子波的现象,因此求解该方程具有一定的难度。间断有限元方法是一种用来求解一阶方程的具有任意高精度特性的有限元方法。局部间断有限元、超弱间断有限元和直接间断有限元方法作为间断有限元方法的推广,可以用来求解高
局部间断有限元(LDG)是求解高阶方程的具有高阶精度的数值方法。目前针对KdV方程和BBM方程的数值解研究较多,但对具有混合空间时间导数的BBM-KdV方程的数值解研究则相对较少。本文对非线性和线性的BBM-KdV方程的局部间断有限元方法进行了研究,包括LDG格式的构造,稳定性分析,误差估计以及数值实验。将LDG方法应用到具有混合空间时间导数的BBM-KdV方程的数值求解是本文的一个亮点。在第二章
目标检测是计算机视觉领域最具研究价值的方向之一,得益于计算机硬件水平的发展以及互联网信息时代图像数据的喷井式爆发,近年来目标检测算法性能已经取得了长足的进步,然而小目标的检测仍然是一个难点,其中一个重要的原因在于小目标包含像素少,分辨率低。本文在经典两阶段目标检测算法Faster RCNN的基础上提出了基于超分辨率重建的目标检测算法Faster R-CNN+双次SR与基于分类网络的目标检测框架Cl
具有奇异性的偏微分方程,如:Helmholtz方程、Boltzmann方程、Maxwell方程、Schr?dinger方程、Navier-Stokes方程等,广泛存在于非光滑区域的弹性力学、考虑点源的传热学、非光滑控制论、非光滑优化等方向。然而,当问题出现奇性时,解在奇点附近将有剧烈的变化,可能会导致传统的有赖于解的光滑度假设的高阶方法失效。因此,为了取得可以与光滑问题相媲美的精度与效率,有必要对
经典数理统计常利用假设检验的方法推断总体的分布,为权衡推断过程中产生的两类错误概率,内曼-皮尔逊引理利用似然比统计量给出了最优势检验函数。而量子统计中的假设检验基于量子测量的结果判断系统所处的状态,对应于经典情形,量子内曼-皮尔逊引理为二元假设的最优测量提供了构造方法。由于制备和测量量子态需要大量的实验工作,因此研究假设检验问题具有重要的意义。本文基于量子内曼-皮尔逊检验,对第一类成功概率进行分析