-
公开(公告)号：CN109558880B
公开(公告)日：2021-06-04
申请号：CN201811202617.6
申请日：2018-10-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于视觉整体和局部特征融合的轮廓检测方法。首先针对轮廓待检测图像，分别提取表征其整体特性的低分辨子图I1和表征其局部特征的边界响应子图I2。然后构建包含池化模块的卷积神经网络G，实现整体轮廓信息的快速提取。接着构建包含空洞卷积模块的卷积神经网络L，实现局部轮廓信息提取。其中L由四个单元、一个融合层和一个损失层构成；最后将I1和I2分别输入到网络G和网络L中，获得整体轮廓信息和局部轮廓信息。以L(i,j)的尺寸为基准，对G(i,j)进行双线性插值。根据L(i,j)各像素的对比度关系，对整体轮廓信息G(i,j)进行融合，从而获取精细轮廓。
-
公开(公告)号：CN110880165A
公开(公告)日：2020-03-13
申请号：CN201910977828.5
申请日：2019-10-15
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于轮廓和颜色特征融合编码的图像去雾方法。本发明构建生成网络和判别网络，将待处理图像输入Generator-Net，首先提取带雾图像的整体轮廓特征，在低级特征编码区提取图像颜色特征，实现轮廓特征的融合编码；在高级语义编码区，实现反向传播过程语义信息的深度解析；融合低级特征编码的输出及高级语义编码的多层输出，通过卷积神经网络进行特征解码，实现图像去雾。在网络学习过程中，将生成的去雾图像和对应的样本标签输入到Discriminator-Net，进一步提升Generator-Net的去雾能力。本发明有效提升去雾图像的可见度、对比度以及鲜明度，对后续图像目标的分析和理解具有重要意义。
-
公开(公告)号：CN109558880A
公开(公告)日：2019-04-02
申请号：CN201811202617.6
申请日：2018-10-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于视觉整体和局部特征融合的轮廓检测方法。首先针对轮廓待检测图像，分别提取表征其整体特性的低分辨子图I1和表征其局部特征的边界响应子图I2。然后构建包含池化模块的卷积神经网络G，实现整体轮廓信息的快速提取。接着构建包含空洞卷积模块的卷积神经网络L，实现局部轮廓信息提取。其中L由四个单元、一个融合层和一个损失层构成；最后将I1和I2分别输入到网络G和网络L中，获得整体轮廓信息和局部轮廓信息。以L(i,j)的尺寸为基准，对G(i,j)进行双线性插值。根据L(i,j)各像素的对比度关系，对整体轮廓信息G(i,j)进行融合，从而获取精细轮廓。
-
-
Search Results
3
records
(took 0.017 seconds)
