龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：大连海事大学
申请日：2024-03-11
公开（公告）日：2024-06-11
公开（公告）号：CN118172267A
主分类号：G06T5/60
分类号：G06T5/60;G06T5/90;G06V10/42;G06V10/44;G06V10/54;G06V10/80;G06V10/82;G06N3/0455;G06N3/0464
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.28#实质审查的生效;2024.06.11#公开
摘要：本发明提供基于多尺度细节特征加权融合网络的水下图像增强方法，以源图像作为输入，根据不同尺度对源图像进行裁剪处理，并且将处理后的特征图分别输入基于多尺度金字塔结构的细节信息细化网络，再利用特征融合模块将不同阶段的特征图进行融合，以获得增强后的细节特征加权图像。本发明基于图像深度学习模型，在传统图像增强网络的基础上新增一个基于细节特征加权的辅助分支网络。子网络以源图像作为输入，并在网络内部进行个多层级融合，使网络能细化图像的纹理信息，保留图像细节信息，改善水下图像所表现出的局部细节模糊问题。其次，针对边缘模糊和颜色偏差问题，设计了基于Unet结构的全局特征增强子网。
主权项：1.基于多尺度细节特征加权融合网络的水下图像增强方法，其特征在于，包括以下步骤：步骤01：获取原始RGB水下图像；通过图像分割技术对所述原始RGB水下图像进行12，14裁剪，获得裁剪图像，再将所述裁剪图像分别输入细节特征增强网络，通过多层卷积算子提取图像的细节纹理特征信息；步骤02：通过特征增强模块，将不同尺度的纹理特征信息分别进行加权增强，再利用特征融合模块，将增强特征图与上一阶段的特征图进行深度融合，得到特征矩阵；步骤03：将原始RGB水下图像输入到全局特征增强网络中，通过多维编码器-解码器组提取原始RGB水下图像全局特征信息，再通过全局特征重建模块，对原始RGB水下图像全局特征信息进行加权增强，得到图像全局特征信息；步骤04：将所述特征矩阵与图像全局特征信息进行深度方向叠加，通过卷积组和级联操作，还原输出图像。
全文数据：
权利要求：
百度查询： 大连海事大学 基于多尺度细节特征加权融合网络的水下图像增强方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号