-
公开(公告)号：CN116152120A
公开(公告)日：2023-05-23
申请号：CN202310426401.2
申请日：2023-04-20
Applicant: 南京大学
IPC: G06T5/00 , G06V10/80 , G06V10/82 , G06V10/56 , G06V10/54 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种融合高低频特征信息的低光图像增强方法及装置，属于计算机视觉领域和图像处理领域。本发明方法包括：S1、采集RGB格式的正常光‑低光图像对；S2、对采集到的低光图像分解为光照分量Ilow和反射分量Rlow；S3、对得到的光照分量和反射分量分解为三级拉普拉斯金字塔；S4、分别对光照分量和反射分量的三级拉普拉斯金字塔图像依次输入到三个分支网络中得到增强后的光照分量和反射分量；S5、对和进行逐通道逐像素相乘操作得到低光增强后的正常光图像；其推理步骤包括上述步骤S2‑S5。本发明利用双通道注意力下的拉普拉斯多尺度特征提取块LRMSDA，实现能有效抑制噪声和增强纹理细节的高质量低光图像增强。
-
公开(公告)号：CN116681636A
公开(公告)日：2023-09-01
申请号：CN202310924379.4
申请日：2023-07-26
Applicant: 南京大学
Abstract: 本发明公开了基于卷积神经网络的轻量化红外与可见光图像融合方法，属于图像处理和计算机视觉领域。本发明方法先进行图像配准，然后根据可见光图像的平均亮度是否低于某阈值来判断是否进行增强网络EnhanceNet处理，再将可见光Y分量与灰度图格式的红外图像分别输入到融合网络FusionNet中得到融合结果Y’，再进行格式转化得到最终融合图像。本发明将低光照图像增强与图像融合耦合在一起，使得本发明算法在低照度场景下也能实现良好的融合效果。本发明中的增强网络与融合网络都是参数量和计算量小、推理速度快的轻量化卷积神经网络，适合部署到资源受限的嵌入式设备。
-
公开(公告)号：CN115984104B
公开(公告)日：2023-09-22
申请号：CN202211545255.7
申请日：2022-12-05
Applicant: 南京大学
Abstract: 本发明公开一种基于自监督学习的多聚焦图像融合方法及装置。其方法步骤为：S1、采集多个场景下的远‑近聚焦图像对；S2、对采集到的远‑近聚焦图像对进行图像增广；S3、分别获取增广后的远‑近聚焦图像对及其灰度值并进行通道拼接；S4、通过带有全局特征金字塔提取单元和全局注意连接上采样单元的全局特征编码网络获取0‑1的二进制标志Mask(x，y)；S5、对单通道的Mask(x，y)进行通道扩充至三通道Mask3(x，y)；S6、利用三通道Mask3(x，y)对远‑近聚焦图像对进行像素加权平均融合得到全聚焦图像。本发明使用自监督的全局特征编码网络，可以在多焦点图像融合中准确生成焦点图。
-
Patent Agency Ranking
公开(公告)号：CN116051428B
公开(公告)日：2023-07-21
申请号：CN202310332399.2
申请日：2023-03-31
Applicant: 南京大学
IPC: G06T5/00 , G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的联合去噪与超分的低光照图像增强方法，属于计算机视觉领域。本发明方法将训练好的增强网络、去噪网络、超分网络与全局线性提亮模块按一定顺序组织成一个包含所有处理流程的整体网络，将待处理的低光照图像输入到该网络中，依次经过低光照图像增强、全局线性提亮、去噪和超分辨率重建，得到亮度增强后的高清彩色图像。本发明在增强图像亮度的同时，不仅能够保证色彩保真度和细节还原度，而且提高了信噪比与清晰度。此外，本发明的方法具有一定灵活性，根据不同情况来决定输入的图像样本是否要经过全局线性提亮模块、去噪网络和超分网络的处理，这样能够保证输出图像在主观上和客观上的质量评价指标都比较高。
-
公开(公告)号：CN115984104A
公开(公告)日：2023-04-18
申请号：CN202211545255.7
申请日：2022-12-05
Applicant: 南京大学
Abstract: 本发明公开一种基于自监督学习的多聚焦图像融合方法及装置。其方法步骤为：S1、采集多个场景下的远‑近聚焦图像对；S2、对采集到的远‑近聚焦图像对进行图像增广；S3、分别获取增广后的远‑近聚焦图像对及其灰度值并进行通道拼接；S4、通过带有全局特征金字塔提取单元和全局注意连接上采样单元的全局特征编码网络获取0‑1的二进制标志Mask(x，y)；S5、对单通道的Mask(x，y)进行通道扩充至三通道Mask3(x，y)；S6、利用三通道Mask3(x，y)对远‑近聚焦图像对进行像素加权平均融合得到全聚焦图像。本发明使用自监督的全局特征编码网络，可以在多焦点图像融合中准确生成焦点图。
-
公开(公告)号：CN116681636B
公开(公告)日：2023-12-12
申请号：CN202310924379.4
申请日：2023-07-26
Applicant: 南京大学
Abstract: 算量小、推理速度快的轻量化卷积神经网络，适本发明公开了基于卷积神经网络的轻量化 合部署到资源受限的嵌入式设备。红外与可见光图像融合方法，属于图像处理和计算机视觉领域。本发明方法先进行图像配准，然后根据可见光图像的平均亮度是否低于某阈值来判断是否进行增强网络EnhanceNet处理，再将可见光Y分量与灰度图格式的红外图像分别输入到融合网络FusionNet中得到融合结果Y’，再进行格式转化得到最终融合图像。本发明将低光照
-
公开(公告)号：CN116152120B
公开(公告)日：2023-07-21
申请号：CN202310426401.2
申请日：2023-04-20
Applicant: 南京大学
IPC: G06T5/00 , G06V10/80 , G06V10/82 , G06V10/56 , G06V10/54 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种融合高低频特征信息的低光图像增强方法及装置，属于计算机视觉领域和图像处理领域。本发明方法包括：S1、采集RGB格式的正常光‑低光图像对；S2、对采集到的低光图像分解为光照分量Ilow和反射分量Rlow；S3、对得到的光照分量和反射分量分解为三级拉普拉斯金字塔；S4、分别对光照分量和反射分量的三级拉普拉斯金字塔图像依次输入到三个分支网络中得到增强后的光照分量和反射分量；S5、对和进行逐通道逐像素相乘操作得到低光增强后的正常光图像；其推理步骤包括上述步骤S2‑S5。本发明利用双通道注意力下的拉普拉斯多尺度特征提取块LRMSDA，实现能有效抑制噪声和增强纹理细节的高质量低光图像增强。
-
公开(公告)号：CN116051428A
公开(公告)日：2023-05-02
申请号：CN202310332399.2
申请日：2023-03-31
Applicant: 南京大学
IPC: G06T5/00 , G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的联合去噪与超分的低光照图像增强方法，属于计算机视觉领域。本发明方法将训练好的增强网络、去噪网络、超分网络与全局线性提亮模块按一定顺序组织成一个包含所有处理流程的整体网络，将待处理的低光照图像输入到该网络中，依次经过低光照图像增强、全局线性提亮、去噪和超分辨率重建，得到亮度增强后的高清彩色图像。本发明在增强图像亮度的同时，不仅能够保证色彩保真度和细节还原度，而且提高了信噪比与清晰度。此外，本发明的方法具有一定灵活性，根据不同情况来决定输入的图像样本是否要经过全局线性提亮模块、去噪网络和超分网络的处理，这样能够保证输出图像在主观上和客观上的质量评价指标都比较高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
