مقاله شبکه‌ای با تقویت توجه برای حذف غبار و بهبود مبتنی بر رتینکس مشترک تصاویر زیرآب.
,

مقاله شبکه‌ای با تقویت توجه برای حذف غبار و بهبود مبتنی بر رتینکس مشترک تصاویر زیرآب.

تومان249,950

تصاویر زیرآبی به دلیل جذب و پراکندگی نور وابسته به طول موج و همچنین کدورت ناشی از ذرات معلق، دچار افت کیفیت شدید می‌شوند که این امر کاربردها در وسایل نقلیه خودمختار زیرآبی (AUVs)، زیست‌شناسی دریایی، ب…

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperPaper-0000000234 دسته: ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

شبکه‌ای با تقویت توجه برای حذف غبار و بهبود مبتنی بر رتینکس مشترک تصاویر زیرآب.

An Attention-Enhanced Network with Joint Dehazing and Retinex-Based Enhancement for Underwater Images

نویسندگان: Sahana Ray, Bibhabasu Debnath, Sanjay Ghosh

شناسه منبع: arxiv / 2605.14677v1

دسته: eess.IV

چکیده (فارسی)

تصاویر زیرآبی به دلیل جذب و پراکندگی نور وابسته به طول موج و همچنین کدورت ناشی از ذرات معلق، دچار افت کیفیت شدید می‌شوند که این امر کاربردها در وسایل نقلیه خودمختار زیرآبی (AUVs)، زیست‌شناسی دریایی، باستان‌شناسی و بازرسی زیرساخت‌های فراساحلی را با مشکل مواجه می‌کند. مدل‌های کلاسیک تشکیل تصویر زیرآبی (IFM) قادر به درک کامل رفتار غیرخطی نور در زیر آب نیستند، در حالی که روش‌های صرفاً داده‌محور فاقد تفسیرپذیری فیزیکی هستند. این مقاله شبکه‌ای سه مرحله‌ای به نام ADR را معرفی می‌کند که مدل تشکیل تصویر زیرآبی را با افزودن ترم‌های اضافی برای رفع کدورت زیرآبی، سپس بهبود مبتنی بر Retinex و در نهایت پالایش با استفاده از U-Net++ مجهز به مکانیزم توجه، گسترش می‌دهد. آزمایش‌ها بر روی مجموعه داده‌های معیار UIEB و UFO-120 نشان‌دهنده عملکرد رقابتی با روش‌های پیشرفته است.

Abstract (English)

Underwater images suffer from severe wavelength-dependent light absorption and scattering, and turbidity due to suspended particles, degrading visual quality for applications in autonomous underwater vehicles (AUVs), marine biology, archaeology, and offshore infrastructure inspection. Classical IFM inadequately capture nonlinear underwater light behavior, while purely data-driven methods lack physical interpretability. This paper proposes a three-stage network named ADR, that extends the underwater image formation model with additional terms to perform underwater dehazing, followed by Retinex-based enhancement and attention-enabled U-Net++ refinement. Experiments on UIEB and UFO-120 benchmark datasets demonstrate competitive performance with state-of-the-art methods.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “مقاله شبکه‌ای با تقویت توجه برای حذف غبار و بهبود مبتنی بر رتینکس مشترک تصاویر زیرآب.”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا