-
公开(公告)号：CN111192219A
公开(公告)日：2020-05-22
申请号：CN202010000331.0
申请日：2020-01-02
Applicant: 南京邮电大学
Abstract: 本发明公开了图像处理技术领域的一种基于改进的逆大气散射模型卷积网络的图像去雾方法，旨在解决现有技术中图像增强的去雾方法导致图像失真、图像复原的去雾方法对模型参数选取要求过高、基于深度学习的去雾算法容易因大气光值估计误差而影响图像去雾效果的技术问题。所述方法包括如下步骤：将有雾图像输入预先训练好的卷积神经网络，获取无雾图像；所述卷积神经网络包括彼此串联的颜色特征提取卷积网络和深度去雾卷积网络，颜色特征提取卷积网络的输出端与深度去雾卷积网络的输入端连接。
-
公开(公告)号：CN112491504A
公开(公告)日：2021-03-12
申请号：CN202011275735.7
申请日：2020-11-16
Applicant: 南京邮电大学
IPC: H04L1/00
Abstract: 本发明公开一种基于一维查表法的低存储开销网络编码算法，将传统基本运算中一维指数表和一维对数表分别进行扩充，从而消除乘法中的模运算操作和条件分支操作，消除除法中的模运算操作和条件分支操作；基于随机线性网络编码进行乘法运算和除法运算时直接查寻扩充后的一维指数表和一维对数表。通过适当增加一维指数表和一维对数表的空间，不额外增加乘法算法的时间复杂度、除法算法的时间复杂度、乘法算法的空间复杂度和除法算法的空间复杂度，提高有限域上编码的效率。以解决传统乘除运算计算成本高、运算速度低和编解码效率低下的问题，以及基于二维查表法的乘除运算在保证高概率成功解码时内存开销过大的问题，实现有限域GF(2n)上的高效运算。
-
公开(公告)号：CN112491504B
公开(公告)日：2023-02-28
申请号：CN202011275735.7
申请日：2020-11-16
Applicant: 南京邮电大学
IPC: H04L1/00
Abstract: 本发明公开一种基于一维查表法的低存储开销网络编码方法，将传统基本运算中一维指数表和一维对数表分别进行扩充，从而消除乘法中的模运算操作和条件分支操作，消除除法中的模运算操作和条件分支操作；基于随机线性网络编码进行乘法运算和除法运算时直接查寻扩充后的一维指数表和一维对数表。通过适当增加一维指数表和一维对数表的空间，不额外增加乘法算法的时间复杂度、除法算法的时间复杂度、乘法算法的空间复杂度和除法算法的空间复杂度，提高有限域上编码的效率。以解决传统乘除运算计算成本高、运算速度低和编解码效率低下的问题，以及基于二维查表法的乘除运算在保证高概率成功解码时内存开销过大的问题，实现有限域GF(2n)上的高效运算。
-
公开(公告)号：CN111192219B
公开(公告)日：2022-07-26
申请号：CN202010000331.0
申请日：2020-01-02
Applicant: 南京邮电大学
Abstract: 本发明公开了图像处理技术领域的一种基于改进的逆大气散射模型卷积网络的图像去雾方法，旨在解决现有技术中图像增强的去雾方法导致图像失真、图像复原的去雾方法对模型参数选取要求过高、基于深度学习的去雾算法容易因大气光值估计误差而影响图像去雾效果的技术问题。所述方法包括如下步骤：将有雾图像输入预先训练好的卷积神经网络，获取无雾图像；所述卷积神经网络包括彼此串联的颜色特征提取卷积网络和深度去雾卷积网络，颜色特征提取卷积网络的输出端与深度去雾卷积网络的输入端连接。
-
-
-
Search Results
4
records
(took 0.015 seconds)
