5个研究背景和意义示例,教你写计算机暗光增强论文

今天分享的是关于暗光增强的5篇计算机毕业论文范文, 如果你的论文涉及到暗光增强等主题,本文能够帮助到你

基于深度学习的井下煤岩图像增强与分割方法研究

这是一篇关于暗光增强,语义分割,生成式对抗网络,图像增强,煤岩分割的论文, 主要内容为智能无人化煤矿是减少煤矿事故,提高开采效率的最佳方案。但由于煤岩井下开采工作环境伴有粉尘、地磁干扰等复杂条件,致使采集的图像质量较低,限制下游煤岩识别分割任务的精度。另一方面,在复杂矿井环境下精确分割煤岩的边缘是十分困难的。因此为了解决这两方面问题,本论文首先对煤岩数据进行增强,然后,在增强后的煤岩图像基础上,采用更有效的煤岩分割方法进行煤岩的分割检测。针对于煤岩井下图像采集工作面临多重干扰致使难以获得高质量图像的问题,提出了基于反注意块的生成式对抗网络AABGAN,以生成高质量的煤岩暗光增强图像。AABGAN在生成器中加入了反注意块,使网络学习更多细节特征,同时更关注图像的黑暗部分。其次,加入DAPPM块,增加了信息在不同的尺度的传输。最后设计了多重损失函数来增加曝光不足区域的亮度并抑制过度曝光区域。在真实煤岩图像数据集上,所提出的AABGAN在PI指标和NIQE指标上分别取得了2.31和3.21的最优结果。针对煤岩图像分割方法中对煤岩边缘识别准确度低的问题,提出了由两个不同分支组成的网络结构MBUTrans Net。在分支1中,设计了坐标注意力transformer,通过对空间信息进行编码,提取出有效的信息并学习显式的全局和远程语义信息交互,以提高分割精度。在分支2中,提出了小型U网络结构块和多尺度的特征融合块来替换每层的卷积,并分别融合来自不同层的特征映射。在MIo U的评价指标上,所提出的MBUTrans Net分割模型分别比经典的U-net结构和基于transformer结构的Trans Unet提高了10.41%和1.66%。在消融实验中也证明了所提出各个模块的有效性。该论文有图11幅,表4个,参考文献70篇。

基于Transformer的视频暗光增强系统设计与实现

这是一篇关于Transformer,视频,暗光增强的论文, 主要内容为在手机相机的实际使用中,受限于拍摄环境或技术限制,采集到的视频往往存在亮度值偏低、光照不均匀、色彩偏差等问题,这类问题通常被称为暗光问题。应用暗光增强算法可以改善暗光视频的亮度、信噪比和对比度等,以提升用户体验。本文在综合分析现有暗光增强技术的基础上,设计了一种基于Transformer的视频暗光增强算法,并开发了一款具备实时视频暗光增强功能的应用系统。本文主要贡献如下:(1)设计了一种基于Transformer的视频暗光增强算法。首先设计了一个视频暗光增强神经网络模型,该网络模型包含两个分支,分别是基于U-Net的细节恢复神经网络和基于Transformer的全局亮度调整神经网络。其次,本文提出了一种基于逆ISP方法的暗光数据集构建方法,并构建了一个包含两万对图像的人工合成的配对数据集;对比实验结果表明本文算法在PSNR、SSIM、模型大小、运算时间等多个指标上均具备明显优势,可以在保留和恢复图像细节的前提下很好地提升整体亮度。(2)设计并实现了一款具备实时视频暗光增强功能的应用系统。首先针对视频暗光增强需求进行了可行性、功能性需求和非功能性需求分析;其次,采用简洁明了的风格设计应用系统,并选用Swift语言在Xcode平台进行客户端的开发;测试结果表明该应用系统可以实时、离线、稳定地增强暗光视频,具备有效性和易用性。