-
公开(公告)号：CN107730459A
公开(公告)日：2018-02-23
申请号：CN201710848885.4
申请日：2017-09-20
Applicant: 大连理工大学
IPC: G06T5/00
CPC classification number: G06T5/003 , G06T2207/20081
Abstract: 本发明属于图像处理领域，特别涉及到一种基于学习的非线性动态系统去模糊的方法。首先，对于一张要去模糊的图像，用可学习的非线性动态系统来控制核估计能量；其次，经过不断迭代潜在图像和模糊核的方法，得到一个较好的对模糊核的估计；最后，将盲去模糊的问题变转化为非盲去模糊的问题，便可使用现成的各种非盲去模糊方法求解。该方法贡献有三：其一，提供了一个解决去模糊问题的新原则，即用一种可学习的动态系统控制核估计而不是人工设定的正则化；其二，设计了一种用来学习动态系统中组成元素的新结构，此结构帮助得到了适合的且灵活的去模糊系统；其三，涉及近期提出的残差网络，给图像处理和深度学习带来了新的思路。
-
公开(公告)号：CN110148089B
公开(公告)日：2024-04-23
申请号：CN201810633205.1
申请日：2018-06-19
Applicant: 腾讯科技(深圳)有限公司 , 大连理工大学
Abstract: 本发明实施例公开了一种图像处理方法、装置及设备，其中，方法包括：将目标图像的背景估计数据和附属估计数据输入到图像处理模型中进行处理，得到背景初始数据和附属初始数据；调用背景估计模型对背景初始数据进行处理，得到背景数据；调用附属估计模型对附属初始数据进行处理，得到附属数据；若数据变化信息不满足变化条件，则将背景数据作为用于表示背景特征内容的图像数据。采用本发明实施例中，可较好地实现对目标图像去处附属的效果，在一定程度上得到较优的背景数据，得到较为清晰的不包括附属的清晰图像。
-
Patent Agency Ranking
公开(公告)号：CN107730459B
公开(公告)日：2022-12-06
申请号：CN201710848885.4
申请日：2017-09-20
Applicant: 大连理工大学
IPC: G06T5/00
Abstract: 本发明属于图像处理领域，特别涉及到一种基于学习的非线性动态系统去模糊的方法。首先，对于一张要去模糊的图像，用可学习的非线性动态系统来控制核估计能量；其次，经过不断迭代潜在图像和模糊核的方法，得到一个较好的对模糊核的估计；最后，将盲去模糊的问题变转化为非盲去模糊的问题，便可使用现成的各种非盲去模糊方法求解。该方法贡献有三：其一，提供了一个解决去模糊问题的新原则，即用一种可学习的动态系统控制核估计而不是人工设定的正则化；其二，设计了一种用来学习动态系统中组成元素的新结构，此结构帮助得到了适合的且灵活的去模糊系统；其三，涉及近期提出的残差网络，给图像处理和深度学习带来了新的思路。
-
公开(公告)号：CN107967671B
公开(公告)日：2021-05-18
申请号：CN201711051929.7
申请日：2017-10-30
Applicant: 大连理工大学
IPC: G06T5/00
Abstract: 本发明属于图像处理领域，公开了一种结合数据学习和物理先验的图像去雾方法。首先，基于包含雾图估计透射率和准确透射率的数据库训练残差网络；其次，对于一张有雾图像，用边缘限制的方法估计其透射率并用其初始化网络先验，且对于网络其后每一层，都以上一层输出结果作为其先验，经过多层迭代卷积和非线性激活后输出较为精准的透射率估计；最后，将最终透射率代入除雾物理模型中求解出除雾图像。优点：建立了一种全新的去雾霾深度网络，用较少的训练数据得到更精确的估计结果；将物理规律引入到深度学习框架中来，辅助深度模型刻画透射率的传输过程，弥补了领域知识与训练数据之间的差距；在真实数据上获得了较好的结果，有效去除较浓雾霾。
-
公开(公告)号：CN107967671A
公开(公告)日：2018-04-27
申请号：CN201711051929.7
申请日：2017-10-30
Applicant: 大连理工大学
IPC: G06T5/00
CPC classification number: G06T5/003 , G06T2207/10004
Abstract: 本发明属于图像处理领域，公开了一种结合数据学习和物理先验的图像去雾方法。首先，基于包含雾图估计透射率和准确透射率的数据库训练残差网络；其次，对于一张有雾图像，用边缘限制的方法估计其透射率并用其初始化网络先验，且对于网络其后每一层，都以上一层输出结果作为其先验，经过多层迭代卷积和非线性激活后输出较为精准的透射率估计；最后，将最终透射率代入除雾物理模型中求解出除雾图像。优点：建立了一种全新的去雾霾深度网络，用较少的训练数据得到更精确的估计结果；将物理规律引入到深度学习框架中来，辅助深度模型刻画透射率的传输过程，弥补了领域知识与训练数据之间的差距；在真实数据上获得了较好的结果，有效去除较浓雾霾。
-
公开(公告)号：CN106023172A
公开(公告)日：2016-10-12
申请号：CN201610319014.9
申请日：2016-05-13
Applicant: 大连理工大学
CPC classification number: G06T7/0012 , G06K9/6276 , G06T2207/30016
Abstract: 本发明公开了一种实现大脑白质快速分割和纤维簇数据分析的方法，本发明将全部纤维距离数据问题替换为近邻纤维距离数据从而实现算法加速，其中寻找近邻纤维采用二叉树的方法，进而使纤维密度ρ和因子dc的计算量明显降低，解决了现有技术耗时相对较长的问题，但是很好地保证了分类准确率。
-
公开(公告)号：CN110148089A
公开(公告)日：2019-08-20
申请号：CN201810633205.1
申请日：2018-06-19
Applicant: 腾讯科技(深圳)有限公司 , 大连理工大学
Abstract: 本发明实施例公开了一种图像处理方法、装置及设备，其中，方法包括：将目标图像的背景估计数据和附属估计数据输入到图像处理模型中进行处理，得到背景初始数据和附属初始数据；调用背景估计模型对背景初始数据进行处理，得到背景数据；调用附属估计模型对附属初始数据进行处理，得到附属数据；若数据变化信息不满足变化条件，则将背景数据作为用于表示背景特征内容的图像数据。采用本发明实施例中，可较好地实现对目标图像去处附属的效果，在一定程度上得到较优的背景数据，得到较为清晰的不包括附属的清晰图像。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
