双注意力机制与改进U-Net的水下图像增强

针对现有的水下增强算法存在色彩失真和去雾效果不好等问题，本文提出基于双注意力机制与改进U-Net的水下图像增强算法。首先采用颜色校正模块对红、绿、蓝三通道进行处理，减少色偏的影响；然后将通道注意力、空间注意力与U-Net网络相融合，对颜色校正后的图像进行去雾、去噪等处理，保留图像纹理细节的同时，实现对比度的增强；最后采用金字塔融合模块将不同分辨率的图像特征进行融合，获得视觉上清晰的图像。实验结果表明，基于UIEBD和UFO-120测试集，UCIQE、NIQE、SURF以及信息熵的平均值分别为0.608 1、4.440 3、31.5和7.649 5,所提算法在主观视觉质量和客观评价指标上都优于其他经典及新颖算法，增强后水下图像去雾效果良好且在颜色校正方面也具有明显优势，显著提高了水下图像的视觉质量。     

使用复合注意力的文本图像超分辨率算法研究

现实场景下,低分辨率的文本图像会导致识别准确率降低。为了解决这个问题,提出一种使用复合注意力的文本图像超分辨率方法。在复合注意力模块中,将空间注意力模块改进为优化残差模块,并在优化残差模块中融入增强型空间注意力模块,从而重建出清晰的超分辨率文本图像。同时,引入多层训练损失函数即均方误差损失和小波损失,增加文本边缘的锐度,使生成图像中的文本具有清晰的边缘和正确的结构。实验结果证明,提出方法相较于对比方法,视觉感受方面,文字结构和边缘细节更清晰,对比度更高;客观指标方面,图像质量评价指标与文本识别准确率均得到了有效提升。     

基于颜色校正和加权融合的水下图像增强

为解决水下图像由光照不均匀等原因引起的颜色偏差、对比度低、细节不清晰等问题，提出了一种基于颜色校正和加权融合的水下图像增强方法。首先，对补偿了红色通道的原始图像采用白平衡算法进行颜色校正，解决图像失真问题。并将颜色校正后的图像从RGB空间转换到Lab空间，然后采用对比度限制自适应直方图均衡比(CLAHE)算法处理的L亮度通道来增强图像的对比度和亮度。最后，将颜色校正后的图像和增强对比度后的图像进行加权融合增强图像细节的清晰度。实验结果证明，采用所提算法处理不同水下场景图像效果显著，4个图像质量评价指标信息熵、峰值信噪比(PSNR)、水下图像质量评价度量(UIQM)和水下彩色图像质量评级(UCIQE)值与其他算法相比均有明显提升。并且与原始图像相比，所提算法处理后的图像的信息熵至少提升了5.6%,UIQM值提高了1.48倍以上，UCIQE值提高了7.5%。     

全局双伽马校正与改进SSA的低光照图像增强方法

针对现有低光照图像增强算法存在对比度低、边缘细节丢失及增强过度等问题，提出一种基于全局双伽马校正与改进SSA算法结合的低光照图像增强方法。首先对图像预处理，其次采用双伽马函数结合麻雀优化算法进行全局校正，此外为改善算法收敛性能，引入精英反向学习和Lévy飞行策略来改进麻雀算法，优化对参数(α)的选择，通过寻找最优伽马值实现对图像的细节增强。仿真实验结果表明，该算法增强后的图像峰值信噪比和结构相似性指标较大，图像颜色失真较小，细节更加丰富，整体增强效果优于其他对比算法，具有较好的处理效果。     

基于改进MSR的锂电池X射线图像增强算法

针对锂电池X射线图像存在清晰度低、对比度差、图像电极轮廓模糊不清晰等问题,提出一种基于改进多尺度Retinex的锂电池X射线图像增强算法。首先,在传统多尺度Retinex算法中,使用双边滤波估计照度分量,同时利用基于平均对数亮度值进行全局自适应的图像动态范围压缩。然后使用改进的MSR算法提取图像的反射分量,利用sobel算子获取反射分量的纵向梯度,再与反射分量进行梯度信息融合,增强图像细节信息,再对融合图像使用CLAHE算法进行对比度增强,最后再使用双边滤波去噪声,得到最终增强图像。在自主构建的数据集上进行了实验研究,实验结果表明提出的方法显著提高锂电池X射线图像的清晰度和对比度,图像阴极线边缘轮廓有明显增强,在突出锂电池X射线图像边缘细节信息和增强图像对比度上,都要明显优于传统多尺度Retinex算法。     

基于改进 U-Net 网络的眼底血管图像分割研究

针对眼底血管图像存在血管细小、视网膜病变而导致分割精度低的问题,提出了一种引入残差块、级联空洞卷积、嵌入注意力机制的U-Net视网膜血管图像分割模型.首先采用提高视网膜图像分辨率,以点噪声为中心、512为边长裁剪来扩增数据集,然后在U-Net模型中引入残差块,增加像素特征的利用率和避免深层网络的退化;并将U-Net网络的底部替换为级联空洞卷积模块,扩大特征图的感受野,提取更丰富的像素特征;最后在解码器中嵌入注意力机制,加重目标特征的权重,减缓无用信息的干扰.基于CHASE数据集的实验结果表明,所提模型的准确率达到了98.2％,灵敏度达到了81.72％,特异值达到了98.90％,与其他多尺度神经网络方法相比体现了更好的分割效果,充分验证了提出改进的U-Net网络模型能有效提高血管分割精度、辅助确诊血管病变.     

基于改进U-Net的输电线路绝缘子图像分割方法研究

针对输电线路巡检航拍的绝缘子图像存在背景复杂、对比度不明显、图像质量不能保证等情况造成绝缘子分割精度不高的问题,提出一种基于注意力模型改进U-Net网络的分割方法。首先以VGG16替换主干特征提取网络,增强网络的适用性;同时在下采样过程中引入注意力模型,增强对绝缘子目标的辨识能力,抑制背景、噪声等干扰信息,实现更加精确的分割。实验结果表明:CBAM注意力模型与U-Net网络相结合的方式效果最好,平均重叠度可达96.57%。     

基于改进轻量化U-Net模型的光伏电池EL图像缺陷检测

基于实际工程检测现场神经网络结构庞大、参数量巨大、环境复杂,硬件设备性能差等原因导致缺陷的实时检测速率慢、精度低的问题,本研究结合MobileNet中的深度可分离卷积配合ECA注意力机制模块的轻量化思想,以及U-Net网络的特征提取模型提出了一种基于改进U-Net网络模型的光伏电池板缺陷检测方法。同时,根据光伏电池缺陷的特点,选择适合的激活函数以及对交叉熵损失函数进行了改进。实验结果表明,改进的U-Net算法较原算法不仅将参数量减少了36%,而且对裂纹、黑斑等缺陷的检测精度达到了97.05%,相对传统网络具有较好的光伏电池表面缺陷分割效果。     

基于改进 U-Net 的高压电缆绝缘层图像分割研究

针对目前高压电缆绝缘层检测操作繁琐、效率低、重复测量差异大等问题,设计了一种新型电缆绝缘层检测装置,提出 了一种基于改进 U-Net 的高压电缆绝缘层图像分割方法。 首先替换主干特征提取网络为 VGG16 网络,结合迁移学习将 VGG16 在 Pascal VOC2012 数据集中训练的权重作为预训练权重,利用通道注意力模块在跳跃连接处融入自适应特征加权机制,在上 采样过程中添加分组卷积,提高了语义分割精度;然后利用训练的最优权重进行绝缘层图像分割,提取轮廓区域特征并进行二 值化处理,使用连通区域算法对轮廓区域进行填充;最后,融合原始图像和分割区域生成完整绝缘层分割图像。 实验结果表明, 平均交并比和平均像素准确率达到 99. 56%和 99. 81%,较原网络效果提升明显,验证了该方法在高压电缆绝缘层分割上的 有效性。     

基于改进U型网络的细胞核分割方法

乳腺癌核分裂象细胞核检测分割是病理专家对患者进行病理分级的重要依据之一。由于核分裂象细胞核形态表现为细胞核轮廓边缘出现毛刺,与非核分裂象细胞形态接近,且U＿net网络对于图像轮廓边缘特征以及非显著特征信息敏感度不足。首先在原有的网络结构特征编码部分添加残差结构间接增强原始网络对图像边缘轮廓特征以及非显著特征提取;其次,在特征重构部分添加混合注意力机制加强对提取特征的融合从而实现核分裂象细胞核精准分割;最后,通过实验验证算法平均像素准确率和Mean＿dice指标分别为0.73和0.81,较原始网络分别提升了10%和8%。结果表明,该方法对核分裂象细胞核分割有更好的效果。     

结合MSRCR与多尺度融合的水下图像增强算法

为解决水下图像增强时出现的图像边缘细节模糊,亮度不均等问题,提出了一种结合带色彩恢复的多尺度视网膜增强算法(MSRCR)与多尺度融合的水下图像增强算法.首先,将获取到的水下图像基于的MSRCR算法色彩校正,并将校正后的图像转换到Lab颜色空间对亮度分量进行自适应增强.其次,对MSRCR色彩校正图像和Lab空间亮度分量增...     

Underwater Image Enhancement Based on IMSRCR and CLAHE-WGIF

Aiming at the scattering and absorption of light in the water body, which causes the problems of color shift, uneven brightness, poor sharpness and missing details in the acquired underwater images, an underwater image enhancement algorithm based on IMSRCR and CLAHE-WGIF is proposed. Firstly, the IMSRCR algorithm proposed in this paper is used to process the original underwater image with adaptive color shift correction; secondly, the image is converted to HSV color space, and the segmentation exponential algorithm is used to process the S component to enhance the image saturation; finally, multi-scale Retinex is used to decompose the V component image into detail layer and base layer, and adaptive two-dimensional gamma correction is made to the base layer to adjust the brightness unevenness, while the detail layer is processed by CLAHE-WGIF algo-rithm to enhance the image contrast and detail information. The experimental results show that our algorithm has some advantages over existing algorithms in both subjective and objective evaluations, and the information entropy of the image is improved by 6.3% on average, and the UIQM and UCIQE indexes are improved by 12.9% and 20.3% on average.     

基于颜色校正和改进二维伽马函数的水下图像增强

针对由于光在水体中衰减、散射,造成捕捉的水下图像存在偏色、对比度低、清晰度差、光照不均等问题,提出一种基于颜色校正和改进二维伽马函数的水下图像增强方法.首先,用带颜色恢复的多尺度Retinex增强算法(MSRCR)校正偏色问题,获得一个输入图像;然后用改进的二维伽马函数降低光照不均匀对水下图像的影响,并用基于自适应Si...     

基于改进SinGAN的电力线巡检异物数据增强技术

针对电力线异物识别模型能使用的数据集较少,并且传统单幅自然图像的生成式模型(SinGAN)模型生成数据与异物识别模型匹配度不高、质量不佳、耗时过久的问题,提出了改进SinGAN模型。在改进SinGAN模型基础上加入仿射变换单元、大小变换单元进一步增强数据集,加入图像滤波单元提高电力线异物识别模型所需数据质量。并通过改进SinGAN反向传播训练过程和SinGAN的单精度生成器结构提升模型生成质量,减少所用时长。实验结果表明,经50次实验后,改进SinGAN的平均弗雷谢特起始距离(Fréchet inception distance, FID)为91.375,平均训练时长1.21 h。分别比传统SinGAN降低了27.247%和87.31%。改进SinGAN与其他主流生成式对抗网络相比有更好的异物数据生成能力,可以增强电力线异物识别模型所需数据,具有优越性。     

多特征选择与双向残差融合的无监督水下图像增强

如今,利用合成的成对数据集训练的有监督模型泛化能力弱,在多变的实际水下环境中表现不佳,而无监督模型虽摆脱 了成对数据集的依赖,但生成图像可能因缺少特征信息导致图像视觉质量较差。 故以循环生成对抗网络为架构,提出多特征选 择与双向残差融合的水下图像增强方法。 一方面,设计以混合注意力为基础的多特征选择模块对水下图像的多种特征进行选 择,再由双向残差融合对传统 U 型跳跃连接进行优化,使图像特征高效表达,有效恢复水下图像的纹理与色彩。 另一方面,在 判别器中引入混合注意力并提出内容感知损失和风格感知损失,保证增强图像在全局内容、局部纹理、风格特征等方面和清晰 图像一致。 与现有的无监督和有监督模型相比较,该模型 PSNR 分别提高了 6%和 2%,SSIM 分别提高了 4%和 3%,对水下图像 有着显著的增强效果,在色彩真实度和饱和度上相比其他现有方法更加优秀。     

Research on High Altitude Remote Sensing Building Segmentation Based on Improved U-Net Algorithm

Building extraction from high resolution remote sensing image is a key technology of digital city construction[14]. In order to solve the problems of low efficiency and low precision of traditional remote sensing image segmentation, an improved U-Net network structure is adopted in this paper. Firstly, in order to extract efficient building characteristic information, FPN structure was introduced to improve the ability of integrating multi-scale information in U-Net model; Secondly, to solve the problem that feature information weakens with the deepening of network depth, an efficient residual block network is introduced; Finally, In order to better distinguish the target area and background area in the image and improve the precision of building target edge detection, the cross entropy loss and Dice loss were linearly combined and weighted. Experimental results show that the algorithm can improve the image segmentation effect and improve the image accuracy by 18%.     

基于密集连接网络的航拍绝缘子旋转目标精准定位方法

为了实现架空线路巡检时绝缘子的精准定位和检测,提出了一种基于Dense-Block密集连接块与旋转框改进YOLOv5的绝缘子检测模型。该模型针对绝缘子长宽比较大和方向多变的特点,提出利用长边定义法为检测框增加角度信息,实现目标旋转框检测,有效提升绝缘子检测和定位的效果。同时为了增强特征的重新利用和传播,利用Dense-Block对模型中的残差模块进行改进,构建YOLOv5-dense检测模型。最后为了使YOLOv5-dense模型能够更加关注有效的特征信息,在主干网络尾部加入SimAM注意力模块对模型进行改进。实验之前,利用Retinex算法对输入绝缘子图像进行增强。实验结果表明,相较于原始YOLOv5算法,所提算法在平均准确率和每秒处理帧数方面都有提高。除此之外,与水平框检测算法相比,所提算法去除了检测结果中大量冗余的背景信息,实现了绝缘子区域更加精准的定位。     

自适应水下彩色图像增强算法

在水下环境中,水体介质对光照的吸收和散射是导致水下成像失真的两大主要成因。水体对光线的吸收导致能量衰退大大降低了清晰度,另水体介质对各波段的散射和吸收的无规律性导致水下成像颜色失真。为了提高对水下成像的认知,本文提出了一种自适应水下图像增强算法。该方法首先对原始图像进行降噪和对比度提升得到两幅输入图;其次,以原始图像的显著图为引导,结合照度和色度图,作为图像融合的权重图;最后,根据权重图对两幅输入图像进行自适应加权求和,从而实现图像增强的目的。实验结果证明本文算法具有良好的实时性和鲁棒性,有效地增强了水下降质图像。