论文研究基于颜色校正和多尺度融合的水下图像 增强 .pdf

针对传统去雾算法结果中颜色和对比度失真等问题,提出了一种基于多尺度融合和对抗训练的图像去雾算法。采用多尺度特征提取模块从多个不同尺度中提取雾霾相关特征,利用残差密集连接模块实现图像特征的交互,避免了梯

多视点视频颜色校正方法研究进展，邵枫，蒋刚毅，颜色校正是目前自由视点电视研究的一个热点问题。该文综合论述了多视点视频颜色校正方法，首先，对传统的图像颜色校正方法进行了

针对低照度下高动态范围图像在应用多尺度Retinex 算法进行图像增强时，易出现光晕现象和颜色失真等问题，提出了一种可以由焦点引导的带颜色恢复的多尺度Retinex（FgMSRCR）算法。通过自底向上

彩色化后的医学图像能清晰体现患者病灶信息有利于医患沟通。提出改进颜色融合的医学图像彩色化方法，首先利用基于KNN的图像前背景区分算法，强化病灶区域的边界信息；然后以此为约束条件，只需提供简单的着色输入

Contourlet变换（ContourletTransform，CT）是一种新的多尺度变换，具有良好的多尺度性和多方向性。提出了一种基于Contourlet变换的多聚焦图像融合算法，同时引入Cycl

使用Laplacian算子检测图像的边缘纹理等细节信息，然后以适当比例线性叠加原始图像和细节信息，从而完成图像增强。不同增强方法的比较试验表明，基于Laplacian算子的图像增强方法既能增强图像的高

本文针对水果图像识别问题进行了研究和探讨，提出了一种基于多尺度特征融合的图像识别算法。通过对水果图像特征进行多尺度提取和融合，实现了对不同尺度和角度的水果图像的准确识别。算法采用了先进的图像处理和机器

uwSim:水下图像系统仿真

以GrabCut算法为基础，引入多尺度分析方法，以塔式分解的多尺度图像序列代替固定尺度的原始图像序列估计GMM参数，将粗糙尺度的易分割性与精细尺度的精确性互补，使得算法以较少样本快速确定GMM参数，分

在经典卷积神经网络模型（Convolution Neural Network，CNN）——LeNet-5的基础上，针对经典模型无法有效进行单细胞图像分类、Faraki M，Nosaka R等人的分类方