-
公开(公告)号：CN108564544B
公开(公告)日：2023-04-28
申请号：CN201810325132.X
申请日：2018-04-11
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于边缘感知的图像盲去模糊组合稀疏优化方法，在图像L0稀疏先验的基础上引入相对总变分正则项，对自然图像进行盲去模糊，按照如下步骤进行：输入模糊图像y，其模糊核为k，待求解的清晰图像为x；初始化待求解的图像x为模糊图像y，初始化参数λ，σ等参数；利用模糊核和图像交叉估计的方法由粗到细求解模糊核k；根据步骤3)最后计算出来的模糊核k对模糊图像y进行非盲去模糊，求出清晰的图像x(L)；对清晰的图像做最后的处理，得到最终的清晰图像。
-
公开(公告)号：CN115393225A
公开(公告)日：2022-11-25
申请号：CN202211088239.X
申请日：2022-09-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多层次特征提取融合的低光照图像增强方法，包括：对待增强的低光照图像进行预处理；将经过预处理的低光照图像输入到训练好的低光照增强网络模型中，得到低光照增强图；低光照增强网络模型的基础为卷积神经网络；本发明通过在低光照增强网络模型中多次利用特征提取模块实现对不同层次的特征进行提取，通过特征提取模块中的空洞卷积分支来提取不同尺度的特征，再通过通道注意力模块和空间注意力模块对提取的特征进行权重调整，然后通过特征增强网络模块对得到的不同层次和不同尺度的特征进行增强，最后进行特征融合，使得增强后图像的细节、结构、对比度、颜色等特征更明显。
-
公开(公告)号：CN108564544A
公开(公告)日：2018-09-21
申请号：CN201810325132.X
申请日：2018-04-11
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于边缘感知的图像盲去模糊组合稀疏优化方法，在图像L0稀疏先验的基础上引入相对总变分正则项，对自然图像进行盲去模糊，按照如下步骤进行：输入模糊图像y，其模糊核为k，待求解的清晰图像为x；初始化待求解的图像x为模糊图像y，初始化参数λ，σ等参数；利用模糊核和图像交叉估计的方法由粗到细求解模糊核k；根据步骤3)最后计算出来的模糊核k对模糊图像y进行非盲去模糊，求出清晰的图像x(L)；对清晰的图像做最后的处理，得到最终的清晰图像。
-
公开(公告)号：CN117422653A
公开(公告)日：2024-01-19
申请号：CN202311373830.4
申请日：2023-10-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于权重共享和迭代数据优化的低光照图像增强方法，所述方法包括：获取低光照图像，将低光照图像输入到训练好的低光照图像增强模型中，得到增强结果图像；其中，所述低光照图像增强模型包括权重共享的光照估计模块、光照校准模块和去噪模块；本发明提出的低光照图像增强方案通过伽马校正改变图像亮度，无需配对的明亮图像，只基于昏暗图像数据，模拟生成更昏暗图像数据，进而构建并训练网络模型，训练好的模型可对实际低光照图像进行图像增强。
-
公开(公告)号：CN117151982A
公开(公告)日：2023-12-01
申请号：CN202311185287.5
申请日：2023-09-14
Applicant: 南京邮电大学
IPC: G06T3/40 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于边缘引导和双向矫正残差学习的图像超分辨率重建方法，包括：获取目标低分辨率图像；将目标低分辨率图像输入到预训练好的图像超分辨率重建模型中，根据所述图像超分辨率重建模型的输出得到重建后的高分辨率图像；其中所述图像超分辨率重建模型包括边缘特征提取模块、低分辨率图像处理分支与边缘信息图像处理分支、融合模块和上采样重建模块；低分辨率图像处理分支和边缘信息图像处理分支均由一个浅层特征提取模块和若干个边缘矫正模块串联构成；本发明充分利用输入图像的各类特征以及残差学习的学习能力，对低分辨率图像进行超分辨率重建，提升图像的分辨率，进而增强图像的显示效果。
-
Patent Agency Ranking
公开(公告)号：CN116596799A
公开(公告)日：2023-08-15
申请号：CN202310647998.3
申请日：2023-06-02
Applicant: 南京邮电大学
IPC: G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于数字图像处理领域，公开了一种基于通道空间复合注意力的低照度图像增强方法，包括以下步骤：构建并训练低照度图像增强网络模型；构建的低照度图像增强网络包括分解网络、反射恢复网络和光照调整网络，反射恢复网络中采用CBAM注意力模块指导反射图去噪，光照调整网络中采用GAM注意力模块指导光照图调整亮度，将低照度图像输入训练好的卷积神经网络中得到增强后的结果图像。本发明解决了反射图噪声过高和光照图存在过曝的问题，在色彩恢复和全局光照一致性上也取得了显著的效果。
-
公开(公告)号：CN115829834A
公开(公告)日：2023-03-21
申请号：CN202211133791.6
申请日：2022-09-16
Applicant: 南京邮电大学
IPC: G06T3/40 , G06T7/10 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于半耦合深度卷积字典学习的图像超分辨率重建方法，包括：准备输入的训练集数据；构建半耦合深度卷积字典学习模型；构建和训练求解该模型的深度神经网络，得到训练好的系数映射网络、字典和系数；利用训练好的系数映射网络、字典和系数重建低分辨率图像得到高分辨率图像。本发明充分利用深度学习的学习能力和字典学习的可解释性，对低分辨率图像进行超分辨率重建，提升图像的分辨率，进而增强图像的显示效果。
-
公开(公告)号：CN109493291A
公开(公告)日：2019-03-19
申请号：CN201811265104.X
申请日：2018-10-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种自适应伽马校正的彩色图像对比度增强方法，该方法包括以下步骤：1、对输入的待增强图像做明度图像计算；2、利用明度图像计算概率密度函数和权重分布函数；3、计算权重分布函数的累积分布函数；4、构造自适应伽马参数，并对明度图像进行自适应伽玛校正；5、将校正后的图像转换回RGB彩色空间后得到增强后的结果图像。本发明能使图像对比度的增强自适应于像素强度，增强后的图像更自然，并且能够增强图像局部对比度。
-
公开(公告)号：CN108898566B
公开(公告)日：2022-05-17
申请号：CN201810803845.2
申请日：2018-07-20
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种利用时空照度图的低照度彩色视频增强方法，首先计算视频帧的初始空间照度图，利用当前视频帧与其前k视频帧的初始空间照度图计算当前视频帧的时间相似性照度图，利用初始空间照度图和时间相似性照度图构造当前视频帧的结构权重矩阵，利用初始空间照度图、时间相似性照度图和结构权重矩阵构造最优照度图估计的代价最小化模型并求解，所得解为当前视频帧的最优照度图，最后对最优照度图做伽马校正，利用校正后的照度图求取增强后的当前视频帧；当所有视频帧都处理完毕后，将全部增强后的视频帧合并成输出的彩色视频。本发明能在有效增强低照度彩色视频照度的同时保持视频帧中主要结构，并使得增强后的视频具有连贯的照度。
-
公开(公告)号：CN108898566A
公开(公告)日：2018-11-27
申请号：CN201810803845.2
申请日：2018-07-20
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种利用时空照度图的低照度彩色视频增强方法，首先计算视频帧的初始空间照度图，利用当前视频帧与其前k视频帧的初始空间照度图计算当前视频帧的时间相似性照度图，利用初始空间照度图和时间相似性照度图构造当前视频帧的结构权重矩阵，利用初始空间照度图、时间相似性照度图和结构权重矩阵构造最优照度图估计的代价最小化模型并求解，所得解为当前视频帧的最优照度图，最后对最优照度图做伽马校正，利用校正后的照度图求取增强后的当前视频帧；当所有视频帧都处理完毕后，将全部增强后的视频帧合并成输出的彩色视频。本发明能在有效增强低照度彩色视频照度的同时保持视频帧中主要结构，并使得增强后的视频具有连贯的照度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.024 seconds)
