【摘 要】
：
水下机器人在海底地质勘探、资源开采、生态研究等领域都发挥着重要作用。然而其中较为重要的视觉感知功能会受到多种水下环境因素的影响，面临着图像质量降低的挑战，比如所拍摄的图像颜色会发生畸变，整体色调偏绿、偏蓝，同时对比度较低，细节较为模糊。本文结合深度学习技术与物理成像模型，提出了一种新的水下图像增强算法，该算法通过构建包含扩张卷积和带参数激活函数的神经网络进行背景散射估计和直接传输估计，再结合成像模
论文部分内容阅读
水下机器人在海底地质勘探、资源开采、生态研究等领域都发挥着重要作用。然而其中较为重要的视觉感知功能会受到多种水下环境因素的影响，面临着图像质量降低的挑战，比如所拍摄的图像颜色会发生畸变，整体色调偏绿、偏蓝，同时对比度较低，细节较为模糊。本文结合深度学习技术与物理成像模型，提出了一种新的水下图像增强算法，该算法通过构建包含扩张卷积和带参数激活函数的神经网络进行背景散射估计和直接传输估计，再结合成像模型的数学表达进行重建运算得到增强后图像。实验结果表明，与几种典型的图像增强算法相比，该算法的优点是消除了
其他文献
针对TCP/IP协议缺乏内生安全机制引起的网络安全问题，以及IPSec等附加的安全增强技术存在效率低的问题，提出了一种基于报文哈希链的签名认证方法。该方法将所传输报文的哈希值通过迭代哈希，形成一个关于报文序列的哈希链，通信双方通过报文哈希链确保报文序列的完整性；在进行报文签名认证时，通信双方只需按一定间隔对数据报文进行签名认证，就能确保多个报文的完整性和不可抵赖性，并能显著提高报文安全传输的效率。
在现实世界中，点云数据的采集方式有激光雷达、双目相机和深度相机，但是在机器人采集过程中由于设备分辨率、周围环境等因素的影响，收集到的点云数据通常是非完整的。为了解决物体形状缺失的问题，提出了一种使用局部邻域信息的三维物体形状自动补全的网络架构。该架构包括点云特征提取网络模块和点云生成网络模块，输入为缺失的点云形状，输出为缺失部分的点云形状，将输入与输出点云形状进行合并完成物体的形状补全。采用倒角距
通过对跨模态检索问题的调研，属性信息的使用可以增强所提取特征的语义表达性，但现有的基于自然语言的跨模态行人重识别算法对行人图片和文本的属性信息利用不够充分。基于双重属性信息的跨模态行人重识别算法充分考虑了行人图片和文本描述的属性信息，构建了基于文本属性和图像属性的双重属性空间，并通过构建基于隐空间和属性空间的跨模态行人重识别端到端网络，提高了所提取图文特征的可区分性和语义表达性。跨模态行人重识别数
现有视频显著性检测算法使用双流结构提取时空线索，其中运动信息为该结构的一个分支，在显著物体剧烈或慢速移动时都会导致运动估计不稳定，因此会导致次优的检测结果。另外，不合理的训练数据或方案导致权重偏向单个分支结构。为解决以上问题，本文提出一种基于多流网络一致性的视频显著性检测算法（Multi-Stream Network Consistency， MSNC）。该算法设计并使用一种新的三重网络结构来提取
目前，三维CAD模型的Web显示技术摆脱了软件安装，使得设计人员可以随时随地进行协同作业，提高了产品研发效率。三维CAD模型在实现Web显示之前，要对原始格式的模型数据进行轻量化处理，得到包含与显示有关的三角网格信息，但却丢失了模型关联的产品尺寸、公差、粗糙度等三维标注信息。为了解决CAD模型在Web显示中三维标注的丢失问题，提出一种Web环境下的模型翻转、旋转过程中的三维标注显示浏览方法，首先通
为了解决具有状态约束的机械臂的控制问题，本文先是针对一类具有全状态约束和状态不完全可测的切换严格反馈非线性系统进行研究，通过引入状态观测器、自适应神经网络和动态表面控制技术，设计了一种基于径向基函数(RBF)神经网络的自适应输出反馈控制方法。利用Lyapunov方法和平均驻留时间理论(ADT)保证了闭环系统所有信号是半全局一致最终有界的(SGUUB)，通过数值例子仿真验证了所提方法的有效性。最后将
气候变化及景观格局与生态系统的结构、功能及动态变化密切相关。祁连山生态系统(QLME)是中国重要的生态功能区，基于多元数据，运用遥感及GIS技术，结合InVEST 及GeoSOS-FLUS模型，探索CSET与方法，实现对QLME碳储存的估算。定量估算及分析表明，不同景观类型背景下QLME碳储存具有明显的时空差异性，QLME碳储存最高为草地及林地景观，其次为裸地，而耕地、湿地、建设用地以及农村居民点
对感兴趣的对象进行定位是在计算机视觉应用的一个基础任务。显著实例分割通过对视觉上具有显著性的物体进行检测并对其进行像素级分割，可以获得感兴趣的实例类。单阶段显著实例分割网络(S4Net)为利用目标对象和其周围背景的特征分离能力，设计了一个新的区域特征抽取层ROIMasking。但由于卷积神经网络自身的特性，多次的卷积和上采样会造成实例边界信息缺失，导致边界分割粗糙，影响分割的精度。为了解决显著实例
具有高检测率、低虚警率和高检测速度的单帧红外弱小目标检测是一项艰巨的任务，因为目标通常很小且暗淡，并且存在不同类型的干扰，例如高亮背景，复杂的背景边缘和高亮度像素级的噪声点（PNHB）。基于HVS的单帧检测算法通常可以实现比传统算法更好的性能，但是，对于基于HVS的算法，如何定义局部对比度的公式是关键问题之一，直接决定算法的性能。到目前为止，研究人员尚未就如何定义局部对比度达成共识，并且已经提出了
针对共轴八旋翼无人机位置与姿态的跟踪控制问题，在充分考虑模型不确定及外部干扰的情况下，该文提出一种神经自适应滑模控制方法。首先，将共轴八旋翼无人机动力学系统分为两个子系统，即全驱动子系统和欠驱动子系统。然后，运用神经网络对模型参数不确定部分和外界干扰项进行估计，设计一种合适的滑模控制器，根据所设计的控制器和Lyapunov稳定性理论，两个子系统的状态轨迹均能渐近到达其对应的滑模面，从而保证共轴八旋