【摘 要】
：
我国海洋资源丰富,但并未得到充分的开发,相较于河流、湖泊等水域,海洋的水下环境更加复杂和危险,人工进行探索和开发的危险系数过高。水下机器人成为了人类对海洋探索的重要工具,而视觉图像在水下机器人探索与感知周围环境时扮演着重要的角色。由于水体的吸收和散射,水下图像具有对比度低、图像模糊、色偏等问题,影响水下机器人后续的视觉任务。因此,获取高质量的水下图像对人类探索开发海洋有着十分重要的意义。本文根据水
论文部分内容阅读
我国海洋资源丰富,但并未得到充分的开发,相较于河流、湖泊等水域,海洋的水下环境更加复杂和危险,人工进行探索和开发的危险系数过高。水下机器人成为了人类对海洋探索的重要工具,而视觉图像在水下机器人探索与感知周围环境时扮演着重要的角色。由于水体的吸收和散射,水下图像具有对比度低、图像模糊、色偏等问题,影响水下机器人后续的视觉任务。因此,获取高质量的水下图像对人类探索开发海洋有着十分重要的意义。本文根据水下图像成像的原理,针对水下图像增强技术进行研究,主要做了以下研究工作:（1）首先,针对传统算法不能适用于水下多变环境的问题,本文提出对水下暗通道先验算法的参数进行优化;其次,针对解决水下暗通道先验算法增强后的图像会出现较大纹理及分块与计算时间过长的问题,本文将参数优化和水下暗通道先验损失相结合,通过网络训练获得额外的正则化,使增强后的图像颜色和对比度更好,减少纹理及分块问题,同时通过训练模型,整体计算量大大减少,计算时间也大大降低;最后,为了解决传统算法不能实时处理视频图像的问题,本文提出一种只在稳定帧计算的策略。本文进行多组实验对比,通过主观评价和客观评价指标,验证出该方法增强后的图像颜色和对比度更好,能够适应不同的水下环境。通过对算法的实时性进行分析,验证出本文算法在工程上应用的可行性。（2）针对生成对抗网络在水下图像增强工作时缺少水下真值图像,导致生成的图像对比度不高的问题。首先,本文提出在生成器的损失中添加自然图像质量评价指标,使生成的图像对比度更高,更符合人眼感受,同时使生成的图像具有比现有数据集所设置的真值图像更好的效果。其次,本文提出将自然图像质量评价指标添加在判别器结构中,使得快速水下图像增强生成对抗网络中判别器的判别因素多样化。最后,本文提出一个新的生成对抗网络结构,对生成器损失设置不同权重训练10个生成器,挑选出适合本文的生成图像。本文进行多组实验对比,通过主观评价和客观评价指标,验证出本文算法增强后的图像比现有数据集所设置的真值图像对比度好。通过对算法的实时性进行分析,验证出本文算法在工程上应用的可行性。
其他文献
文本分类是自然语言处理领域中最重要的任务之一。在信息爆炸的大数据时代下,海量文本信息源源不断地产生并推送到人们手中,但人们通常只需要自己感兴趣的信息,因此,对海量文本信息做好分类管理至关重要。本文着重以深度学习方法为基础,围绕当前文本分类模型存在语义信息、标签信息以及对中文文本表示上考虑不全面的问题展开研究,面向不同类型的文本分类任务构建高效且适用的分类模型,以期提升文本分类精度。本文的具体创新与
随着社会医疗卫生水平的提高,不断上升的疫苗需求量导致疫苗冷链配送问题面临极大的挑战。配送过程中的大量碳排放将污染大气环境,因此需要对配送车辆的路径进行合理规划,使配送方案在满足人们疫苗需求的同时,降低运输成本和对环境的负面影响。烟花算法作为一种群智能算法,结构简单,求解效率较高,适用于求解物流路径优化这类NP-hard问题。基于上述背景,本文对多目标烟花算法及其在低碳疫苗冷链配送问题中的应用进行研
近年来,随着深度学习的迅猛发展,超分辨率重建技术得广泛关注。与此同时,随着注意力机制在图像分割、检测等领域大放光彩,研究者也逐渐将注意力机制引入超分辨率方向,并取得了众多显著成果。本文基于注意力机制对超分辨率重建在单一图像和视频方面进行探索性和创新性的研究,并取得了以下成果。针对目前超分辨率网络存在着通道权重的预测破坏了每个通道与其权重的直接对应关系的问题,以及现有网络仅仅只考虑一阶或二阶通道注意
自动分割出CT图像序列中的肾脏及肿瘤目标可为医生在临床诊断中提供定量的诊断依据,当前基于深度学习的三维分割技术得到了广泛的研究,然而由于CT图像中肾脏及肿瘤目标形状复杂多样,且存在着肿瘤目标小、样本数少等问题,现有的三维分割网络并不能很好的分割出肿瘤等小目标,如何准确分割出肾脏肿瘤仍是一个富有挑战性的问题。同时当前的三维深度分割网络模型大、参数多、且对计算机硬件要求高,这也给模型在实际部署中带来巨
在我国基础设施建设不断发展的今天,公路建设作为基础建设中重要的环节之一,也得到了飞速的发展,但伴随而来的道路养护问题。道路养护的首要环节是检测路面损坏,其中,道路裂缝是在路面检测过程中最为常见的路面病害类型之一。论文以道路裂缝作为研究内容,采用深度学习的语义分割算法来检测道路裂缝,围绕路面裂缝图像的预处理、裂缝检测算法以及裂缝的定量分析展开研究。首先,对采集到的裂缝图像进行滤波操作,同时结合裂缝图
车辆检测和车型识别是智能交通领域中的重要研究内容。随着人工智能技术的发展,在智能交通领域运用深度学习解决车辆检测和车型识别问题已经成为一种研究趋势。本文基于深度学习方法对车辆检测和车型识别进行了研究,主要研究内容如下:（1）针对目前车辆检测数据库较少的问题,本文选择南京信息工程大学周围的交通环境作为研究背景,从样本的拍摄采集、正负样本及模糊样本的筛选和标签标注等方面详细介绍了本文构建的车辆检测数据
随着智能设备的广泛运用,包含用户信息的数据不断涌现,基于大数据的人工智能技术有了质的飞跃。但是机遇与挑战并存,人工智能技术利用数据为各行各业带来增益的同时,用户隐私数据泄露的问题也随之出现。因此联邦学习应运而生,这是一种特殊的分布式机器学习框架,它能够联合多客户端训练的同时保护数据隐私,因为客户端的数据不需要离开本地。这样的学习框架为人工智能技术面临的挑战提供了解决方案。本文针对现有联邦学习的缺点
多人姿态估计任务可以概括为两个阶段,第一阶段将输入图像中人体检测出来（人体检测）,第二阶段基于第一阶段检测出来的各个人体,进一步将其骨骼关键点位置定位出来（单人姿态估计）。多人姿态估计在人机交互、电影制作和安全监控等领域有巨大的应用背景。在技术方面,轻量化是深度学习多人姿态估计中近年来的研究热点之一。本文对深度学习多人姿态估计的轻量化方法进行了探索和研究,主要研究工作包括:针对单人姿态估计中目前最
随着我国汽车保有量的逐年攀升,私家车通勤在日常出行中的所占比重越来越大。上路车辆的增多带来了许多交通问题,而通勤时段的拥堵问题尤其突出。目前推行的尾号限行、拥堵收费的方式未能充分考虑通勤者的临时出行需求。合乘出行正是缓解通勤时段交通压力和有效利用资源的良策,也是许多出行者倾向的选择。网约拼车近年来得到快速发展,但现有互联网打车平台未能摆脱以盈利为目标的营运性质,利益驱动下的上路汽车只会增多。本文结
目前,随着“海洋牧场”的快速建设和海洋资源的深入探索,水下机器人（Unmanned Underwater Vehicle,UUV）正广泛运用于海洋矿产、渔业等资源的开发。针对水下机器人小型化、大众化过程中出现的操作难、易受干扰、易损坏等问题,本文以自主设计的“Aquaman V3”小型水下机器人为基础,通过优化硬件和控制算法,提高小型水下机器人的稳定性与控制精度,使之能够对抗海流、碰撞等外界扰动,