基于灰度归一化融合深度神经网络的水下图像增强方法

水下环境的复杂情况会导致水下图像分辨率低、图像模糊等问题,恢复水下图像质量的方法通常是以陆地上的图像增强算法作为理论根据进行改进的,这些算法在对水下图像增强中效果不佳并且缺乏普适性。为更好地解决水下图像的增强问题,提出一种基于灰度归一化融合深度学习网络(SRGAN)对其进行强化的解决方法,该方法利用归一化对图像的背景色彩进行纠正,并提高整体的对比度,再通过卷积神经网络超分辨率重构获得清晰的水下增强图像。灰度归一化对于水下图像色彩纠正具有良好的效果,而对抗生成网络对于图像像素重建的效果较传统增强方法具有细节强、过渡平滑等优点。通过实验证明该方法可以有效地增强水下图像。

1000t沿海货船船艉总段的结构设计

按照船舶建造流程,通过绘制出的1000t沿海货船船艉总段的型线图、肋骨型线图,进行横向构件设计、纵向构件的展开,同时绘制构件结构图,并在此基础上制作出艉总段的结构模型。整个研究过程理论实践结合,使所学船舶专业知识综合应用,具备一定的教学参考价值。