-
公开(公告)号：CN104952083A
公开(公告)日：2015-09-30
申请号：CN201510369137.9
申请日：2015-06-26
Applicant: 兰州理工大学
Abstract: 本发明公开了一种基于显著性目标背景建模的视频显著性检测算法，包括：步骤1，对初始帧(当前帧)进行静态图像显著性检测，获取其显著图，根据显著图获取残余背景；步骤2，对残余背景图像中像素值为0的像素点进行相似性填充获取初始帧背景模型；步骤3，根据初始背景模型，对下一帧利用背景减除法减去初始背景模型得到下一帧显著区域，且对该显著区域进行信息冗余度判别，如果冗余度较小，则认为该显著区域正确，如果显著区域冗余较高则需重新对当前帧按照步骤1和步骤2所述方法重新进行背景建模。最后，依次循环得到最终显著视频。该算法无需对视频中每一帧进行背景建模，因此会有较快计算速度。
-
公开(公告)号：CN104952083B
公开(公告)日：2018-01-23
申请号：CN201510369137.9
申请日：2015-06-26
Applicant: 兰州理工大学
Abstract: 本发明公开了一种基于显著性目标背景建模的视频显著性检测算法，包括：步骤1，对初始帧(当前帧)进行静态图像显著性检测，获取其显著图，根据显著图获取残余背景；步骤2，对残余背景图像中像素值为0的像素点进行相似性填充获取初始帧背景模型；步骤3，根据初始背景模型，对下一帧利用背景减除法减去初始背景模型得到下一帧显著区域，且对该显著区域进行信息冗余度判别，如果冗余度较小，则认为该显著区域正确，如果显著区域冗余较高则需重新对当前帧按照步骤1和步骤2所述方法重新进行背景建模。最后，依次循环得到最终显著视频。该算法无需对视频中每一帧进行背景建模，因此会有较快计算速度。
-
公开(公告)号：CN106127702B
公开(公告)日：2018-08-14
申请号：CN201610437482.6
申请日：2016-06-17
Applicant: 兰州理工大学
Abstract: 本发明公开了一种基于深度学习的图像去雾算法，用于去除有雾图像中的雾气干扰，降低雾气对图像质量的影响。包括：步骤1，获取训练样本集与测试样本集；步骤2，对样本集中有雾图像进行HSL空间变化，提取有雾图像局部低亮特征，并对所有特征分量进行尺度缩放与归一化处理；步骤3，找出判别透视率，使深度判别神经网络实现对抗式训练；步骤4，利用深度生成对抗神经网络对上述特征分量进行训练，学习建立有雾图像与透视率间的映射网络；步骤5，运用深度生成神经网络对测试样本集进行去雾测试。本发明中所述去雾算法，通过深度学习算法建立出有雾图像到透视率间的映射关系，有效的解决了以往去雾算法先验信息不足的问题，具有较好的去雾效果。
-
公开(公告)号：CN106127702A
公开(公告)日：2016-11-16
申请号：CN201610437482.6
申请日：2016-06-17
Applicant: 兰州理工大学
CPC classification number: G06T5/003 , G06N3/0454 , G06N3/084 , G06T2207/10024 , G06T2207/20084
Abstract: 本发明公开了一种基于深度学习的图像去雾算法，用于去除有雾图像中的雾气干扰，降低雾气对图像质量的影响。包括：步骤1，获取训练样本集与测试样本集；步骤2，对样本集中有雾图像进行HSL空间变化，提取有雾图像局部低亮特征，并对所有特征分量进行尺度缩放与归一化处理；步骤3，找出判别透视率，使深度判别神经网络实现对抗式训练；步骤4，利用深度生成对抗神经网络对上述特征分量进行训练，学习建立有雾图像与透视率间的映射网络；步骤5，运用深度生成神经网络对测试样本集进行去雾测试。本发明中所述去雾算法，通过深度学习算法建立出有雾图像到透视率间的映射关系，有效的解决了以往去雾算法先验信息不足的问题，具有较好的去雾效果。
-
-
-
Search Results
4
records
(took 0.019 seconds)
