-
公开(公告)号：CN109598695B
公开(公告)日：2023-04-07
申请号：CN201710909377.2
申请日：2017-09-29
Applicant: 南京大学
Abstract: 本发明公开了一种基于深度学习网络的无参考图像模糊程度估计方法。具体步骤如下：(1)对图像进行预处理，生成训练数据；(2)用清晰和模糊图像块训练双通道清晰/模糊感知网络，提取清晰和模糊特征并重建输入；(3)将清晰/模糊感知网络提取的特征作为联合感知网络的输入，用模糊图像块训练联合感知网络，获取模糊的本质特征；(4)训练非线性特征映射和回归网络，将步骤(3)的本质特征映射到模糊程度上；(5)对整个网络进行微调，优化所有参数。本方法在无参考轻微模糊的模糊程度估计准确度取得比较好的效果，可以有效应用于模糊检测、深度估计和景深编辑、去雾等方面。
-
公开(公告)号：CN109598695A
公开(公告)日：2019-04-09
申请号：CN201710909377.2
申请日：2017-09-29
Applicant: 南京大学
Abstract: 本发明公开了一种基于深度学习网络的无参考图像模糊程度估计方法。具体步骤如下：(1)对图像进行预处理，生成训练数据；(2)用清晰和模糊图像块训练双通道清晰/模糊感知网络，提取清晰和模糊特征并重建输入；(3)将清晰/模糊感知网络提取的特征作为联合感知网络的输入，用模糊图像块训练联合感知网络，获取模糊的本质特征；(4)训练非线性特征映射和回归网络，将步骤(3)的本质特征映射到模糊程度上；(5)对整个网络进行微调，优化所有参数。本方法在无参考轻微模糊的模糊程度估计准确度取得比较好的效果，可以有效应用于模糊检测、深度估计和景深编辑、去雾等方面。
-
Search Results
2
records
(took 0.018 seconds)
