【摘 要】
：
水下光学图像是人类获取海洋信息的重要载体。光在水中传播的过程中,由于水对光的选择性吸收作用、水中微粒对光的散射作用,水下光学图像通常出现颜色失真、细节模糊、低亮度和低对比度等退化现象,这在很大程度上影响了水下图像在军事科研和工程项目中的应用。因此,面向水下图像进行清晰化处理研究具有重要意义。针对上述研究任务,本文主要进行以下两项工作。针对水下图像颜色失真和低对比度的问题,提出一种融合CIELab颜
论文部分内容阅读
水下光学图像是人类获取海洋信息的重要载体。光在水中传播的过程中,由于水对光的选择性吸收作用、水中微粒对光的散射作用,水下光学图像通常出现颜色失真、细节模糊、低亮度和低对比度等退化现象,这在很大程度上影响了水下图像在军事科研和工程项目中的应用。因此,面向水下图像进行清晰化处理研究具有重要意义。针对上述研究任务,本文主要进行以下两项工作。针对水下图像颜色失真和低对比度的问题,提出一种融合CIELab颜色信息和多层元胞自动机显著性信息的水下图像清晰化算法。该算法结合水下成像模型进行图像初步清晰化,再联合多尺度的超像素分割和多层元胞自动机优化算法,对水下图像进行显著性检测,最后根据显著性信息对水下图像分区域进行颜色校正。该算法能够有效缓解水下图像颜色失真的问题,并增强水下图像的局部对比度。针对水下图像颜色失真和低亮度的问题,提出一种融合视网膜皮层理论和边界连通性显著性信息的水下图像清晰化算法。该算法在水下图像超像素分割的基础上,联合边界连通性、背景权重对比度和平滑度,应用最小二乘法,获得全局优化的显著图。根据得到的显著性信息,融合多种基于视网膜皮层理论的增强算法,对水下图像进行分区域的清晰化处理,并拉伸水下图像的亮度值,最终得到清晰化的水下图像。该算法能够对低照度的水下图像进行有效的亮度提升、细节恢复、颜色校正和对比度增强。实验选用UFO-120数据集中的1500张水下图像,将上述两种算法与七种代表性的水下图像清晰化算法进行对比。实验结果表明,本文提出的两种算法在颜色校正、对比度和亮度提升方面存在明显优势。
其他文献
随着三维点云在自动驾驶、虚拟现实、机器人导航等领域的应用,三维点云重建任务受到了研究人员的广泛关注。三维点云重建旨在从单张或多张视图中重建出所包含物体的三维点云模型。本文在深入分析三维点云重建关键问题的基础上,以提高三维点云重建精确度为目标,基于深度学习开展了单视图三维点云重建技术和多视图三维点云重建技术研究。本文实现了一种深度图辅助的单视图三维点云重建方法,利用从RGB图像中估计的深度图作为辅助
在构建智能电网的时代背景下,作为电力系统经济调度的根本出发点,精准的负荷预测是电力系统高效运作的重要保障。因此,本文对电力负荷的短期预测方法进行了对应的研究。鉴于负荷序列的周期性与强时序性,本文选择长短时记忆（Long Short-Term Memory,LSTM）网络用于电力负荷的短期预测,但LSTM网络参数初值的随机设定容易导致其预测性能起伏变化,故本文提出一种改进的麻雀搜索算法,利用该算法对
细粒度图像具有类间差异小,类内差异大的特点,如何提取具有高辨识度的细粒度特征是解决细粒度图像分类问题的关键。小样本学习旨在通过一张或几张实例来学习和理解新的类别,但由于训练样本数量有限,很难学习到有效的特征分布。因此,开展基于小样本学习的细粒度图像分类技术研究,旨在通过有限的样本学习细粒度图像特征,进行图像分类和识别,是一项非常具有挑战性的任务。现有研究范式针对小样本条件下细粒度图像分类网络表征能
高动态范围（High Dynamic Range,HDR）图像相比于标准动态范围（Standard Dynamic Range,SDR）图像,在单通道上使用更多的比特数来记录灰阶的变化,使记录的场景中明暗区域细节的可见性都有极大的提升。在目前HDR显示器还未普及的情况下,色调映射算子（Tone Mapping Operator,TMO）可以将HDR图像转为SDR图像,使HDR图像所记录的场景效果能
随着新材料技术和仿生电子学等学科的飞速发展,在小尺寸区域达到高空间分辨率的测量能力成为仿生触觉感知技术需要不断提高的难点之一。以光纤作为传感元件的光纤传感技术因具有系统易于搭建、成本低、灵敏度高、探测范围广、不需额外供电和不受电磁干扰等优点,使其近些年成为重点的研究方向被广泛应用在物理、化学和生物医学等学科领域。本文以PMMA-CFBG为传感元件,提出了一种高空间分辨率的分布式传感方法并进行了理论
人体姿态估计是计算机视觉任务之一,在安防监控、动作识别和动画等领域具有广泛的应用前景,近年来逐渐成为研究热点。相较人工提取特征的方法,基于深度学习的人体姿态估计方法具有更强的特征提取能力,已成为姿态估计任务的主流研究方向。当前姿态估计算法性能已达到较高水平,但是许多高精度算法依赖复杂的神经网络结构,存在计算成本高、延时大的问题而难以做到实时检测,所以需要设计更轻量的网络。本论文主要工作如下:第一,
基于深度学习的智能无人系统以其高智能、小型化、低成本等优势被广泛应用于各类暗光场景。而高级的计算机视觉任务,如目标检测,通常以内容清晰的高质量图像作为研究对象,对环境复杂、光线微弱的暗光场景无法实现高精度的检测。为此,本文提出了一种融合注意力机制的暗光增强算法以及适用于移动设备的快速目标检测算法,并通过级联的方式解决了暗光检测问题。此外,为了验证算法的可行性,本文还搭建了无人车实物平台,实现了对暗
近年来,随着计算机视觉采集技术及三维建模技术的快速发展,三维模型因其空间信息直观、承载内容丰富,逐渐被应用于各个领域,如建筑模型、医疗模型、游戏模型等。三维模型数据的海量增加对数据的智能管理带来了极大挑战。面对海量三维模型数据,如何实现高效地查找和复用成为业内一个亟需解决的问题。本文在对目前主流的三维模型检索和分类算法进行充分调研的基础上,针对三维模型多视图信息的表征,从自监督和无监督方面完成了以
随着智能多媒体技术的发展,三维模型被广泛地应用在智能建筑、生物建模、医学诊断等领域。三维模型能更形象地表示物体、贴近人类对现实世界的感受,但其数据处理过程相对复杂。作为三维模型研究领域的热点之一,三维模型识别旨在学习三维模型数据的特征表示、理解三维模型的内容。三维模型可由不同模态数据表示,如点云、多视图等。本文以有效融合点云和多视图两模态特征表示为目标,开展了基于深度学习的三维模型识别研究。本文提
伴随着近年来数字多媒体技术的发展,数字图像已然成为了信息化社会中的重要组成部分。然而数字图像在采集和传输的过程中,受到传输条件与设备固有属性等因素的影响,将会不可避免地发生失真现象,给后续的处理与应用带来很大不便。因此,设计具有高准确度的图像质量评价方法对于数字图像处理技术在其他领域的发展具有重要意义。受视觉注意力机制的启发,本文提出一种基于视觉显著性策略与多级特征融合的无参考图像质量评价方法。该