公开(公告)号：CN110503613B

公开(公告)日：2022-03-15

申请号：CN201910742902.5

申请日：2019-08-13

Applicant: 电子科技大学

Inventor： 张萍 ,  彭一凡 ,  卢韶强 ,  申奉璨 ,  蒲恬

IPC: G06T5/00 ,  G06N3/04

Abstract: 本发明属于图像去雨技术领域，提供一种基于级联空洞卷积神经网络的面向单幅图像去雨方法，用于解决雨天下所拍摄的单张图像的复原问题。本发明首先对雨水进行建模，将有雨图像分为雨水区域层、雨水层、背景层；通过级联多路空洞率不同的卷积神经网络对输入图像提取出雨水区域层图像，经卷积得到雨水层图像，再经卷积与输入图像求和得到去雨的背景层图像。级联空洞卷积神经网络有效提取了图像不同尺度的细节，网络采用残差网络结构增加网络深度，避免过拟合问题；在公开数据集上进行了测评实验，实验表明本发明相比单幅图像去雨经典方法在峰值信噪比(PSNR)上能够提升2～8，在图像结构相似度(SSIM)上能够提升0.04～0.22。

公开(公告)号：CN110503613A

公开(公告)日：2019-11-26

申请号：CN201910742902.5

申请日：2019-08-13

Applicant: 电子科技大学

Inventor： 张萍 ,  彭一凡 ,  卢韶强 ,  申奉璨 ,  蒲恬

IPC: G06T5/00 ,  G06N3/04

Abstract: 本发明属于图像去雨技术领域，提供一种基于级联空洞卷积神经网络的面向单幅图像去雨方法，用于解决雨天下所拍摄的单张图像的复原问题。本发明首先对雨水进行建模，将有雨图像分为雨水区域层、雨水层、背景层；通过级联多路空洞率不同的卷积神经网络对输入图像提取出雨水区域层图像，经卷积得到雨水层图像，再经卷积与输入图像求和得到去雨的背景层图像。级联空洞卷积神经网络有效提取了图像不同尺度的细节，网络采用残差网络结构增加网络深度，避免过拟合问题；在公开数据集上进行了测评实验，实验表明本发明相比单幅图像去雨经典方法在峰值信噪比(PSNR)上能够提升2～8，在图像结构相似度(SSIM)上能够提升0.04～0.22。

公开(公告)号：CN109034035A

公开(公告)日：2018-12-18

申请号：CN201810790884.3

申请日：2018-07-18

Applicant: 电子科技大学

Inventor： 张萍 ,  吴江 ,  张灵怡 ,  李俊宏 ,  费春 ,  周航 ,  申奉璨 ,  杨晓迪

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/46 ,  G06K9/62

CPC classification number: G06K9/00369 ,  G06K9/342 ,  G06K9/4671 ,  G06K9/6215 ,  G06K9/6256 ,  G06K9/6267 ,  G06K9/629

Abstract: 本发明提供了一种基于显著性检测和特征融合的行人重识别方法，主要包括：1)将显著性检测作为重识别的预处理部分，即利用基于流行排序的显著性算法计算出行人图像的前景，从而去除冗余的背景干扰信息；2)识别模型将行人重识别作为一种多分类的任务，但由于行人ID较多，相对每一行人样本过少，容易过拟合；验证模型将所有样本分成相同对和非相同对两类，大量增加了样本数量，但对于标签的信息利用不够；传统特征如LAB,HOG等人为手工设计，针对行人重识别任务中跨视角的问题有较好的效果，本发明结合验证和识别模型，融合深度和传统特征，构建了一个识别验证网络，能够提取出有判别性的鲁棒的特征，从而较好的识别效果。