① 交底书 v4 已确认
② 权利要求 版本对比
③ 附图 v1.5/v2.0
④ 说明书
⑤ 摘要
v5
权 利 要 求 书
1.
一种基于深度学习的水下图像增强方法,其特征在于,包括以下步骤:
S1、获取待处理的水下原始图像,并对所述原始图像进行白平衡校正;
S2、通过特征提取单元对预处理后的图像进行多尺度特征提取,得到特征图集合;
S3、将所述特征图集合输入增强网络模型,所述网络包括颜色校正子网络与对比度增强子网络;
S4、对所述网络模型输出的中间结果进行后处理,得到增强后的水下图像。
S1、获取待处理的水下原始图像,并对所述原始图像
S2、通过
S3、将所述特征图集合输入
S4、对所述网络模型输出的中间结果进行后处理,得到增强后的水下图像。
3.
根据权利要求 1 所述的方法,其特征在于,所述特征提取单元采用残差结构,并嵌入通道注意力机制;所述多尺度特征提取的尺度数量为 3 至 5。
7.
8.
一种基于深度学习的水下图像增强装置……
其余 8 项未变 · 展开全部
v6
权 利 要 求 书
1.
一种基于深度学习的水下图像增强方法,其特征在于,包括以下步骤:
S1、获取待处理的水下原始图像,并对所述原始图像进行预处理;
S2、通过自适应特征提取模块对预处理后的图像进行多尺度特征提取,得到特征图集合;
S3、将所述特征图集合输入训练完成的增强网络模型,所述增强网络模型包括颜色校正子网络与对比度增强子网络;
S4、对所述增强网络模型输出的中间结果进行后处理,得到增强后的水下图像。
S1、获取待处理的水下原始图像,并对所述原始图像进行预处理;
S2、通过自适应特征提取模块对预处理后的图像进行多尺度特征提取,得到特征图集合;
S3、将所述特征图集合输入训练完成的增强网络模型,所述增强网络模型包括颜色校正子网络与对比度增强子网络;
S4、对所述增强网络模型输出的中间结果进行后处理,得到增强后的水下图像。
3.
根据权利要求 1 所述的方法,其特征在于,所述自适应特征提取模块采用残差结构,并嵌入通道注意力机制;所述多尺度特征提取的尺度数量为 3 至 5。
7.
根据权利要求 1 所述的方法,其特征在于,所述颜色校正子网络与所述对比度增强子网络在训练阶段共享底层卷积权重,并通过加权融合损失函数联合优化。
+ 新增从权项 · 强化创造性论证
8.
根据权利要求 2、3 或 4 所述的方法,其特征在于,所述方法还包括:根据图像采集深度自动调整所述颜色校正子网络的色温补偿参数。
+ 新增并列引用 · 扩大保护范围
9.
一种基于深度学习的水下图像增强装置……
其余 8 项未变 · 展开全部
修改项 · 7 处
MOD
独权 1 · 特征 B
"特征提取单元" → "自适应特征提取模块"。术语统一与说明书一致。
人工 李 玮 · 10:22
MOD
独权 1 · S3 步骤
"网络" → "训练完成的增强网络模型"。补充限定词。
人工 李 玮 · 10:22
MOD
独权 1 · S1 步骤
细节"白平衡校正"上位化为"预处理"。扩大保护范围。
人工 李 玮 · 10:22
MOD
从权 3 · 术语
"特征提取单元" → "自适应特征提取模块"。与独权 1 保持一致。
人工 李 玮 · 10:22
DEL
从权 7(U-Net 限定)
删除 U-Net 架构的从权 — 与说明书实施例不一致。
人工 李 玮 · 10:22
ADD
新从权 7(共享权重)
新增"双子网络共享底层权重 + 加权融合损失"从权。强化创造性论证。
人工 李 玮 · 10:22
ADD
新从权 8(深度自适应)
新增"根据图像采集深度调整色温补偿"从权(并列引用 2/3/4)。
人工 李 玮 · 10:22