基于双颜色空间与多网络融合的水下图像增强

受不同水质、不同深度以及成像设备的影响,水下成像质量往往较低,有低对比度、颜色失真、细节模糊等问题。因此,文中在RGB颜色空间的基础上引入了HSV颜色空间,并与残差网络和注意力机制相结合,实现了双颜色空间与多个子网络的有机融合,弥补了单一颜色空间训练过程中信息丢失、特征提取不全的问题,在保证增强效果的同时提高了整个算法的泛化能力。实验在多个数据集上进行,与众多算法做主观视觉和客观评价指标的比较,使用全参考图像质量评价指标,均方误差(Mean Squared Error, MSE)、峰值信噪比(Peak Signal to Noise Ratio, PSNR)、结构相似性(Structural Similarity, SSIM)以及无参考水下图像质量评价指标,水下图像质量评价(Underwater Image Quality Measures, UIQM)等主流指标进行量化评价。实验表明,该算法不论是在主观还是客观评价上都具有一定的优越性。     

基于透射率优化和颜色修正的水下图像增强方法

针对光在水中传输时受到水的吸收作用、悬浮颗粒散射作用而产生严重的衰减,导致水下光学图像对比度低、颜色失真的问题,提出一种基于透射率优化和颜色修正的水下图像增强方法。根据水下光学成像模型,采用最小信息量损失原理估计透射率,结合导向滤波提高透射率的估计精度,通过逆求解水下成像模型得到清晰化的水下图像。利用直方图均衡化进一步提高图像对比度,使用白平衡方法修正颜色。实验结果表明,该方法能够有效去除由后向散射引起的模糊,提高图像对比度和清晰度,同时修正色彩不平衡。     

利用生成对抗网络实现水下图像增强

提出一种基于生成对抗模型的水下图像修正与增强算法.该算法将多尺度内核应用于改进的残差模块中,以此构建生成器,实现多感受野特征信息的提取与融合;判别器设计考虑了全局信息与局部细节的关系,建立了全局-区域双判别结构,能够保证整体风格与边缘纹理的一致性;最后,根据人类视觉感官系统设计了无监督损失函数,此部分无需参考图像进行约...     

基于水下图像增强算法的研究

由于水下图像成像条件复杂、质量较差,给实际操作和科研带来了很大的难题。图像增强方法可以针对水下图象的特点改善其质量。直方图法可以增大图像的灰度变化范围,丰富灰度层次,改善视觉感知效果,达到图象增强的目的;同态滤波法可以有效的消除图像的照明不均,增强暗区的图像细节;通过实验验证,选用的方法能够有效地减轻图像细节的模糊,轮廓更清楚,对实际水下图像进行处理,增强效果明显。     

基于色彩校正与暗通道先验算法的水下图像增强方法

针对水下图像色彩失真及对比度低的问题,提出一种基于色彩校正与暗通道先验的水下图像增强方法.在处理色偏问题时,以蓝通道为基准计算通道标准比,对水下图像的红、绿通道进行补偿,丰富图像色彩;针对水下图像对比度较低的问题,利用基于超像素的暗通道先验(DCP)方法对校正后的水下图像进行增强.用水下海珍品目标检测数据集图像进行了实...     

基于多通道均衡化的水下彩色图像增强算法

针对水下环境存在的颜色衰减和散射效应导致水下图像颜色严重失真的问题,提出一种多通道均衡化的水下图像增强算法.首先,对原始图像在对数域上进行归一化处理后转换到HSI(色调-饱和度-亮度)颜色空间;然后,对亮度分量利用McCann Retinex算法在四个方向(纵横)进行比较、实现增强,并根据图像全局亮度信息进行照度增强;最后,将图像重新转换到RGB(红-绿-蓝)空间,计算各通道的累积分布函数,对密集部分进行拉伸处理,达到颜色均衡的效果.针对多幅水下彩色图像进行增强对比实验,结果表明:通过该方法得到的增强图像颜色失真程度减弱,图像对比度和清晰度显著提高,色彩更加鲜艳;该算法在改善水下图像照度信息的同时,保留了饱和度和色度信息,解决了水下图像增强的颜色失真问题,使水下图像具有较高的对比度和清晰度.     

基于注意力门控卷积循环神经网络的通用音频标记

研究了注意力门控卷积循环神经网络的通用音频标记问题.DCASE 2018挑战任务2的音频样本的数据集过少,容易造成过拟合问题.为了减少过拟合问题,采用数据增强方法,dropout策略.采用可学习的上下文门控模块以帮助选择与音频类最相关的特征.采用时间注意力机制关注音频事件的相关帧并且忽略不相关帧.在DCASE2018任务2的数据集上评估了提出的模型,开发集和测试集的平均准确率(MAP@3得分)分别为96.1%和92.4%,远高于此次竞赛的基线系统的平均准确率.     

基于自适应邻域灰度直方图均衡的超声内窥镜图像增强

对超声内窥镜增强的方法进行了研究，利用邻域膨胀技术实现了自适应邻域直方图均衡，一定程度内避免了局部直方图均衡时对滑动窗口内所有象素点都进行统计的盲目性。尤其对局部窗口内的噪声点和局部窗口切割造成的不完整细节的象素点避免了统计，减少了增强后图像中的噪声，并将处理结果与全局直方图均衡、局域直方图均衡的结果进行比较分析。自适应邻域直方图均衡对细节的增强较好且对细节的保护也较好。     

基于门控循环注意力网络的配电网故障识别方法

为了提高小样本条件下配电网故障辨识准确率,提出一种门控循环注意力网络模型.首先,通过注意力机制赋予故障相中关键周期较高权重,通过加权运算使得模型更加关注上述关键信息.其次,利用门控循环网络处理波形序列,该网络利用门控信号控制记忆传递过程,并借由记忆传递建立序列中不同阶段输入波形和故障类别概率间的关系,从而提升识别准确率.基于仿真数据和实际数据的实验均表明：所提方法在小样本条件下的可靠性和准确率远优于同等条件下支持向量机、梯度提升决策树、卷积神经网络等常用分类模型,为配电网故障辨识技术提供了一种新思路.     

基于颜色注意机制的弱光图像增强算法

针对当前弱光图像增强算法在恢复过程中存在颜色与细节丢失的问题,提出一种基于颜色注意机制的增强算法.该算法首先将弱光图像从RGB色彩空间转换至CIE LAB色彩空间,将弱光图像分解为亮度和颜色两个分量.其次,利用两个卷积神经网络(CNN)模型对亮度和颜色分量分别独立增强.然后对增强后的颜色分量使用监督注意力机制,在弱光图...     

基于水下场景先验的水下图像增强方法研究

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。     

基于编码器共享和门控网络的生成式文本摘要方法

结合基于自注意力机制的Transformer模型, 提出一种基于编码器共享和门控网络的文本摘要方法。该方法将编码器作为解码器的一部分, 使解码器的部分模块共享编码器的参数, 同时使用门控网络筛选输入序列中的关键信息。相对已有方法, 所提方法提升了文本摘要任务的训练和推理速度, 同时提升了生成摘要的准确性和流畅性。在英文数据集Gigaword和DUC2004上的实验表明, 所提方法在时间效率和生成摘要质量上, 明显优于已有模型。     

基于图像熵线性加权的水下图像增强算法

目的 针对工业环境下水下图像受到水中悬浮物影响,从而导致图像的清晰度过低以及对比度过高等问题, 提出一种基于图像熵线性加权的水下图像增强算法。 方法 该算法基于图像熵理论对白平衡算法、直方图均衡算法 和暗通道先验算法进行线性加权,继而通过实验环境确定调节系数输出高质量图像。 在深度为 1 m、1. 5 m 和 2 m 的不同水下环境拍摄图像,对获得的水下图像使用上述三种算法和该算法作对比处理,处理结果通过 PSNR 和 UIQM 作为评价指标进行评判。 结果 实验结果表明:使用 PSNR 指标评判该算法,相较于其他三种算法,水深 1 m 的水下图像质量提高了 22. 81%,水深 1. 5 m 的水下图像质量提高了 46. 67%,水深 2 m 的水下图像质量提高了 38. 94%,图像质量综合平均提高了 36. 14%;使用 UIQM 指标评判该算法,相较于其他三种算法,水深 1 m 的图像质 量提高了 1. 02%,水深 1. 5 m 的水下图像质量提高了 0. 73%,水深 2 m 的水下图像质量提高了 1. 82%,图像质量综 合平均提高了 1. 19%。 结论 由此可以证明该算法相对于其他传统算法对图像清晰度有着显著提升,并且能够适应 不同深度的水下环境,为工业环境下水下图像增强提供了一种新的解决思路。     

基于Sigmoid曲线拟合的亮度可控土壤图像增强

图像在相同条件下表征土壤特征会提高土壤图像识别土种的精度。对自然环境下机器视觉采集的土壤图像亮度可控增强,将不同光照条件采集的土壤图像转换为近似于该土壤在某些特定光照条件下采集的具有一定亮度的真实土壤图像,能消除或减弱光照对后续土壤图像土种识别的影响。因此,应用Sigmoid曲线对土壤图像亮度(Y)分量的累积概率密度(cumulative distribution function, cdf)曲线拟合;然后,构建目标亮度逼近优化模型,迁移拟合的Sigmoid曲线逼近目标亮度;再依据像素的邻域信息对相同亮度的像素排序、迁移,实现土壤图像的亮度可控增强;最后,利用高斯卷积核提取色调(U)、饱和度(V)分量的低频分量,并基于色比不变性原理与原始土壤图像的邻域信息对增强土壤图像的U、V分量高低频分别增强,完成颜色校正,并融合增强亮度分量,获得增强的彩色土壤图像。实验结果表明,提出算法对完全重合的亮度不同成对真实土壤图像做有目标增强实验,增强后的土壤图像与真实目标土壤图像对应像素Y、U、V分量差的标准差均值分别为14.313 7、1.323 2、2.110 5,峰值信噪比均值为29.820 9;...     

基于 UCM 算法中直方图拉伸的水下图像增强研究

针对水下图像色彩失真,对比度低以及图像模糊不清等一系列问题,提出了一种基于色彩模型的水下图像增强算法,改进了现有的 UCM 算法的直方图线性拉伸,使用限制对比度自适应的方法对直方图进行非线性均衡化,使处理后的图片对比度增强效果更好,图像质量更高,更符合人类的视觉感知。 通过搭建的水下海参场景和模拟海底图像偏蓝绿色的实验环境,拍摄了 4 组海参在不同姿态、工况下的水下图片并对其进行定性、定量分析,得出改进后的 UCM 算法在 UIConM、UIQM、NIQE 指标下的数值分别平均为 0. 63、4. 30、3. 30,相比较其他 3 种算法,该算法处理后的图像质量评估指标均为最优,由此证明了研究的算法相对于其他的传统算法显示出更好的可行性和优越性,并且能够适应不同的水下工况,拥有良好的鲁棒性。     

基于生成对抗网络结合Transformer的半监督图像增强方法

针对成对数据集获取成本较高、光照分布不均衡图像增强效果欠佳以及增强结果易产生十字形伪影的问题,提出了一种基于生成对抗网络结合Transformer的半监督图像增强方法。首先,采用Transformer网络架构作为生成对抗网络中生成器的主干网络,提取不同像素块间的依赖关系以获取全局特征,并通过非成对数据集进行半监督学习;其次,使用灰度图作为生成器网络的光照注意力图,以平衡增强结果在不同区域的曝光水平;最后,在生成器和鉴别器网络中交叉使用均等裁剪策略和滑动窗口裁剪策略,增强网络提取特征的能力并解决十字形伪影问题,并引入重建损失来提高生成器对图像细节的感知能力。结果表明：提出方法取得了更好的光照和色彩平衡效果,自然图像质量评估指标平均提升了2.37%;在图像修饰任务中,图像峰值信噪比、相似结构度和感知损失同时达到了最优;在低光照增强任务中,图像峰值信噪比提升了13.46%;充分验证了提出方法在图像增强2个子任务上的有效性。     

基于VC++的直方图均衡化图像增强

本文讨论了直方图在图像增强中的应用,指出直方图修正技术的基础,阐述直方图均衡化的原理,给出基于VC++的具体实现方法及实验分析结果。     

一种光照不均匀图像的灰度校正方法

针对光照不均匀所引起的图像视觉效果不佳的问题,提出一种有效的灰度校正方法,即利用一种基于卷积变换与方差归一化相结合的图像光照均衡算法,使均衡后的图像有良好的视觉效果。实验结果表明,该方法能够有效地提升图像质量,同时不会损失细节信息。     

基于双向长短记忆网络和门控注意力的文本分类网络

首先,提出构建双向的全连接结构用于更好提取上下文的信息;然后,利用双向的注意力机制将包含丰富文本特征的矩阵压缩成一个向量;最后,将双向的全连接结构和门控制结构相结合.通过实验验证了上述结构对于提升文本分类的准确率具有积极的作用.将这3种结构和双向的循环网络进行结合,组成了所提出的文本分类模型.通过在7个常用的文本分类数据集(AG、 DBP、 Yelp.P、 Yelp.F、 Yah.A、Ama.F、Ama.P)上进行的实验,得到了具有竞争性的结果并且在其中5个数据集(AG、DBP、Yelp.P、Ama.F、Ama.P)上获得了较好的实验效果.通过实验表明,所提出的文本分类模型能显著降低分类错误率.     

基于DSP的夜间图像增强系统的设计

针对夜间视频图像对比度低、噪声大等不利于监控的特点,提出了以DM648为核心的夜间图像增强系统的设计,运用改进后的灰度拉伸算法对图像的RGB三通道分别作增强处理,再合成输出,可以获得彩色夜间图像。实验表明该方法对夜间视频图像的处理具有较好的增强效果。