-
题名匹配变换和线性变换融合的水下图像增强
被引量：1
- 1
-
-
作者
段燕北
程航
-
机构
南昌工学院实验实训中心
南昌工学院教务处
-
出处
《实验室研究与探索》
CAS
北大核心
2024年第7期23-27,182,共6页
-
基金
江西省教育厅科学技术研究项目(GJJ191099)。
-
文摘
为了有效地改善水下图像的颜色和对比度,提出了匹配变换和线性变换融合的水下图像增强方法。对强度最大的通道图像进行对比度限制的自适应直方图均衡化,根据均衡化后的通道图像直方图,对另外两通道图像分别进行直方图匹配,最后得到颜色校正的图像。在HSV颜色空间中,对颜色校正图像的明度分量进行自适应分段线性变换,得到对比度增强的图像。分别计算2张增强图像的对比度权重、显著性权重、亮度分布权重和饱和度权重,根据权重对2张增强图像进行多尺度金字塔加权融合,得到最后的增强图像。实验结果表明,该方法对水下图像增强后的视觉效果优于现有方法,对应的平均梯度、水下彩色图像质量评价(UCIQE)指标和水下图像质量(UIQM)指标比现有方法分别提高30.0%、7.29%和16.0%。
-
关键词
水下图像增强
直方图匹配
自适应分段线性变换
金字塔加权融合
-
Keywords
underwater image enhancement
histogram matching
adaptive piecewise linear transformation
pyramid weighted fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOv10的喷码微小字符精确定位算法
- 2
-
-
作者
操振
余朝刚
靳胜洁
王帅鹏
朱文良
-
机构
上海工程技术大学城市轨道交通学院
-
出处
《计算机工程与应用》
北大核心
2025年第7期153-164,共12页
-
基金
国家自然科学基金(52072266)。
-
文摘
为解决自动化生产领域物品包装表面喷码字符因微小尺寸及特征模糊而导致的检测定位精度差问题,将YOLOv10n作为基线网络提出一种针对特征模糊小目标检测的精确定位算法(YOLO-DLW)。使用细节信息提取卷积(detail information extraction convolution,DIEConv)模块替换基线网络中所有的跨步卷积模块,避免其导致的细节特征丢失问题,提高网络对小目标特征的提取能力。引入低级特征融合检测层,减少基线网络在下采样过程中造成的小目标特征损失。在颈部网络采用加权混合融合金字塔网络(weighted hybrid fusion pyramid network,WHFPN)结构,并结合内容引导注意力(content-guided attention,CGA)机制,有效提升特征层间的信息融合效率和网络对关键信息的提取能力。与基线模型相比,YOLO-DLW算法应用在编织袋小目标字符定位数据集上,准确率、召回率、mAP@0.5和mAP@0.5:0.95分别提高了7.3、8.2、3.9和3.3个百分点,有效解决基线模型对字符区域的误检和漏检问题。
-
关键词
小目标检测
精确定位
YOLOv10n
细节信息提取卷积
加权混合融合金字塔
内容引导注意力
-
Keywords
small targets detection
precise localization
YOLOv10n
detail information extraction convolution
weighted hybrid fusion pyramid
content-guided attention
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
