基于预处理图像惩罚的生成对抗网络水下图像增强

来源 :激光与光电子学进展 | 被引量 : 5次 | 上传用户:v80ak48
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对水下图像存在的对比度低、细节模糊、色彩失真问题,提出了一种基于预处理图像惩罚的生成对抗网络(GAN)水下图像增强方法。首先,通过改进的红色通道直方图拉伸算法对水下图像进行预处理,改善图像对比度的同时避免传统直方图拉伸后的局部过增强现象。然后,构建带有预处理图像惩罚的GAN,实现水下图像增强。其中,生成器编码-解码结构中的前两层使用多尺度卷积,以增强网络对细节信息的学习能力。最后,构建多项损失函数,将预处理图像作为伪真值对GAN施加损失惩罚,以提升网络的泛化性能。实验结果表明,相比传统图像增强方法
其他文献
铜具有很高的热导率和激光反射率,在铜-钢激光焊接过程中铜侧易出现未熔合和咬边缺陷,针对这一问题,使用4 kW光纤激光器进行两种激光光束偏角下的T2紫铜和SUS304奥氏体不锈钢的激光焊接工艺研究,发现激光光束向钢侧偏转能显著增加铜的熔化量,进而抑制焊缝成形缺陷,促进焊缝组织混合,优化焊缝连接形式,并促使铜侧界面处成分平缓过渡,得到强度稳定的焊接接头.
针对相关滤波器对平面内旋转和尺度变化等跟踪效果不佳的问题,在ECO_HC (efficient convolution operators handcraft)的基础上提出了一种具有旋转特性的尺度自适应相关滤波目标跟踪算法。训练一个旋转和尺度滤波器,采用相位相关算法求得尺度因子和旋转角度;在进行旋转和尺度模型更新时,采取动态自适应更新策略;在位置模型更新阶段,通过融合前序帧的背景信息提高模型的稳定
在图像分割中,考虑邻域信息的模糊C均值算法能够有效地降低噪声对图像的干扰,但这类算法需额外引入参数,且无损检测图像的较大类间差异易导致分割失败。为此,提出基于图像块的类间差异不敏感的模糊C均值算法。利用像素所在的图像块代替像素进入聚类进程,图像块内像素的权重由像素的空间距离和灰度大小自适应确定。基于信息量的概念,给出类信息量表征形式并将其引入目标函数以改善常见模糊C均值算法对类间差异敏感的缺陷。基
基于严格的全矢量衍射理论,系统详尽地分析了装校失调对大口径离轴抛物面镜(OAP)光束聚焦特性的影响.研究结果表明,OAP的三维平动及绕z″轴偏离旋转后衍射焦斑形态没有发生改变,只是焦斑中心位置发生了偏移,利用瑞利判据获得了OAP的三维平动及绕z″轴偏离旋转公差的量化关系;当OAP发生绕x″或y″轴偏离旋转时会引起像散、彗差的出现致使衍射焦斑形态发生变化,产生严重畸变,大幅降低焦斑的峰值光强.并详细探讨了衍射焦斑峰值光强下降10%时容许的最大旋转偏离角与OAP离轴参量、光束参量的变化关系.因此,理解装校失调
当图像直方图为单峰时,传统大津法检测电润湿显示器缺陷时容易得到错误的结果,一些改进方法在缺陷处颜色深浅不一,且在背景与缺陷对比度较小的情况下分割结果不稳定。针对上述问题,提出了一种改进的最大类间方差法。为了提高直方图峰值与非峰值范围的差异,更好地提取峰值信息,在目标方差前添加了一个随灰度直方图梯度累积量增大而减小的权值,以保证本方法得到的阈值在单峰情况下始终处于单峰左侧。实验结果表明,相比大津法,
传统的三维重建方法大多侧重于物体表面细节的保留,在需要快速完成反映物体类别、形状等典型特征的点云三维重建工作中,其效率和自动化程度较低。针对这一问题,提出一种基于多标签分类的点云批量快速三维重建方法。对三维点云采取先简化再去噪的预处理,提出一种基于双阈值约束优化的k邻域去噪算法,并将其去噪效果与两种现有方法进行对比评价。利用动态图像卷积神经网络(DGCNN)对预处理后的三维点云进行分类。通过类别匹
为了兼顾算法的跟踪速度与精度,提出了一种基于双核模型上下文的流形正则相关滤波跟踪算法。其中,结合上下文相关框架与相关滤波算法的主模块承担主要跟踪任务,可弥补相关滤波学习模型中余弦窗过滤的背景信息。对上下文相关样本进行流形正则处理,可达到惩罚上下文相关框架、优化主模块模型的目的。辅助模块则结合了核相关滤波算法与卷积特征,当跟踪目标发生遮挡、形变或超出视距等情况,跟踪置信度低于经验阈值时启用辅助模块,
图像语义分割是计算机视觉的重要研究领域,是场景理解的关键技术之一。在无人驾驶领域,通过对道路场景进行高质量的语义分割,可为自动驾驶汽车的安全行驶提供保障。首先从道路场景语义分割的定义出发,探讨了目前该领域面临的挑战;其次,将语义分割技术划分为传统的分割技术,传统与深度学习相结合的分割技术和基于深度学习的分割技术,重点介绍了基于深度学习的语义分割技术,并按照强监督、弱监督、无监督三种不同的网络训练方
在基于卷积神经网络的目标检测算法中,浅层高分辨率特征包含更多细节信息,有助于抽象特征完成精确的定位任务;深层特征包含抽象的语义信息,更适合目标存在性预测任务。研究发现,现有的不基于先验框的检测方法直接在同一特征图上预测所有任务时,并没有匹配上述特征与预测任务,而这一特征与任务不匹配的问题限制了检测精度。为解决这一问题,提出了一种匹配目标多尺度特征与预测任务的实时目标检测算法,简称MFT检测器。以C
图像非线性畸变降低图像检测和分类的准确率,因此畸变校正是图像处理的一个重要预处理步骤。为此,提出一种基于自适应角点检测的非量测畸变校正方法来更好地解决图像畸变问题。首先,以畸变棋盘格图像作为研究对象,以自适应角点检测获取亚像素级角点坐标作为输入信息,基于直线投影不变性建立畸变损失函数并设置基于曲率半径的权重系数调整各曲线的畸变量。然后,采用非线性优化方法标定畸变系数和畸变中心实现畸变校正。设计两组