基于背景光估计与颜色修正的水下图像增强

来源 :计算机工程 | 被引量 : 2次 | 上传用户:junemeng
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
针对水下成像过程中的图像降质和颜色衰减现象,提出一种基于全局背景光估计和颜色校正的图像增强算法。利用雾图像和水下图像的相似性对空气中的去雾算法进行改进,在估计图像全局背景光时选取矩形模板对图像分块计算色彩饱和度方差,选取方差最小的区域作为背景光的预估图像。针对原始的背景光估计方法所得图像偏白的问题,通过最小值滤波处理,同时利用Retinex算法校正图像R通道的颜色,再结合各颜色通道的色彩衰减系数比得到其他通道图。实验结果表明,该算法能有效去除水下图像的浑浊部分,改善图像的偏色问题,使图像清晰度得到明
其他文献
喉白斑属于癌前组织病变,准确检测该病灶对癌变预防和病变治疗至关重要,但喉镜图像中病灶边界模糊且表面反光导致其不易分割。为此,提出一种基于U-Net的多尺度循环卷积神经网络(MRU-Net)进行喉白斑病灶分割。通过对比度受限的自适应直方图均衡化技术增强喉镜图像,利用平均池化构建图像金字塔并将其作为U型网络多尺度输入,同时使用多尺度卷积和递归卷积层代替编码与解码单元卷积层改进网络结构,采用多尺度输出层
为提升原始SSD算法的小目标检测精度及鲁棒性,提出一种基于通道注意力机制的SSD目标检测算法。在原始SSD算法的基础上对高层特征图进行全局池化操作,结合通道注意力机制增强高层特征图的语义信息,并利用膨胀卷积结构对低层特征图进行下采样扩大其感受野以增加细节与位置信息,再通过级联的方式将低层特征图与高层特征图相融合,从而实现小目标及遮挡目标的有效识别。实验结果表明,与原始SSD算法相比,该算法在PAS
"一带一路"是中国发起的全球性倡议,为沿线国家和地区的经济发展合作、文化交流融合带来新契机,也为中国高等教育发展提出新课题。高校要围绕"培养什么人、怎么培养人以及为
胸透X射线广泛应用于多种胸部常见病变的筛查任务,由于不同类型的胸科疾病在病理形态、大小、位置等方面往往具有多样性以及较大的差异性,且疾病样本具有比例不平衡等问题,导致难以通过深度学习技术来检测并定位胸部疾病区域。针对该问题,提出一种基于深度学习的胸部疾病诊断算法。通过压缩激励模块实现自适应特征重标定,以提高网络的细粒度分类能力。采用全局最大-平均池化层增强网络病理特征的空间映射能力,使用焦点损失函
国家知识产权局专利局专利审查协作北京中心(下称审粥匕京中心)秉承“团结一致、艰苦奋斗、拼搏奉献、开拓创新”的精神,成立近13年来,始终致力于提升专利综合服务能力,已发展成为