-
公开(公告)号：CN111738064A
公开(公告)日：2020-10-02
申请号：CN202010391477.2
申请日：2020-05-11
Applicant: 南京邮电大学
Abstract: 本发明公开了图像处理和模式识别技术领域的一种雾霾图像的雾浓度识别方法，旨在解决现有技术中由于不能自动识别雾霾图像的雾浓度，因而导致无法实现智能化去雾、影响去雾效果的技术问题。所述方法包括如下步骤：将目标雾霾图像输入预先训练好的有向无环图支持向量机，获取目标雾霾图像的雾浓度；所述雾浓度基于预构建的多特征模型进行表征，所述多特征模型中的特征向量包括颜色特征、暗通道特征、信息量特征、对比度特征中的至少任一项。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN110930320B
公开(公告)日：2022-08-16
申请号：CN201911074637.4
申请日：2019-11-06
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轻量化卷积神经网络的图像去雾方法，旨在解决现有技术中采用图像增强的去雾方法处理的图像存在信息丢失、采用图像复原的去雾方法处理的图像如果选取参数不当会影响复原后图像的效果、采用基于深度学习的去雾算法影响图像去雾的速度的技术问题。所述方法包括如下步骤：将有雾图像输入预先训练好的轻量化卷积神经网络，获取无雾图像；所述轻量化卷积神经网络包括不少于两个不同尺度的深度可分离卷积层，所述深度可分离卷积层包括彼此串联的深度卷积和逐点卷积。
-
公开(公告)号：CN111738942A
公开(公告)日：2020-10-02
申请号：CN202010522038.0
申请日：2020-06-10
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融合特征金字塔的生成对抗网络图像去雾方法，旨在解决现有技术中采用图像增强的去雾方法处理的图像存在信息丢失、采用图像复原的去雾方法处理的图像如果选取参数不当会影响复原后图像的效果、采用基于深度学习的去雾算法影响图像去雾的速度的技术问题。所述方法包括如下步骤：将有雾图像输入预先训练好的生成对抗网络，获取与有雾图像相对应的无雾图像；所述生成对抗网络的生成器网络融合有特征金字塔。
-
公开(公告)号：CN111738064B
公开(公告)日：2022-08-05
申请号：CN202010391477.2
申请日：2020-05-11
Applicant: 南京邮电大学
IPC: G06V20/10 , G06V10/56 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明公开了图像处理和模式识别技术领域的一种雾霾图像的雾浓度识别方法，旨在解决现有技术中由于不能自动识别雾霾图像的雾浓度，因而导致无法实现智能化去雾、影响去雾效果的技术问题。所述方法包括如下步骤：将目标雾霾图像输入预先训练好的有向无环图支持向量机，获取目标雾霾图像的雾浓度；所述雾浓度基于预构建的多特征模型进行表征，所述多特征模型中的特征向量包括颜色特征、暗通道特征、信息量特征、对比度特征中的至少任一项。
-
公开(公告)号：CN110930320A
公开(公告)日：2020-03-27
申请号：CN201911074637.4
申请日：2019-11-06
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轻量化卷积神经网络的图像去雾方法，旨在解决现有技术中采用图像增强的去雾方法处理的图像存在信息丢失、采用图像复原的去雾方法处理的图像如果选取参数不当会影响复原后图像的效果、采用基于深度学习的去雾算法影响图像去雾的速度的技术问题。所述方法包括如下步骤：将有雾图像输入预先训练好的轻量化卷积神经网络，获取无雾图像；所述轻量化卷积神经网络包括不少于两个不同尺度的深度可分离卷积层，所述深度可分离卷积层包括彼此串联的深度卷积和逐点卷积。
-
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。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
