融合自校准照明框架的水下图像增强网络

水下图像质量退化严重阻碍了海洋工程技术的发展,针对水下图像颜色失真、对比度偏低和亮度不均匀等问题,为了解决水下特殊成像环境导致的以上退化问题,同时以便于后续基于水下图像的研究工作,提出了融合自校准照明框架的水下图像增强网络模型,该网络模型在卷积神经网络的基础上融合了自校准照明模块,可以快速、灵活地亮化图像。自校准照明模块中建立了一个具有权重共享的级联照明学习过程来处理水下图像。考虑到级联模式的计算负担,又构建了自校准模块,实现了各阶段结果之间的收敛,大大降低了计算成本,实现了对水下图像亮度的自动调节。最后,分别对实验结果进行定性及定量分析,并且对比了八种先进的增强算法,结果表明提出的方法明显优于其他对比算法。该方法增强后的结果图提高了对比度,对颜色进行了校正,改善了亮度不均匀的问题,同时增强了视觉效果,定性及定量分析结果说明了该方法的有效性。

一种可穿戴的低照度视觉增强感知设备

在黄昏、夜晚等照度不良条件下,成像设备获取的图像大多呈现低照度特性,视觉上难以有效辨识图像内容。为了提升图像的视觉感知效果,研究开发了一套可穿戴视觉增强感知设备,设备由战术头盔、筒式摄像机、嵌入式处理器、可穿戴显示器等组成,成本低廉、小巧轻便、方便穿戴。同时,通过引入自校准照明模型,使隐藏在低照度图像中难以辨识的信息变得更加清晰可见,且在设备上达到了超实时的处理速度。