公开(公告)号：CN111798400A

公开(公告)日：2020-10-20

申请号：CN202010700648.5

申请日：2020-07-20

Applicant: 福州大学

Inventor： 牛玉贞 ,  宋冰蕊 ,  吴建斌 ,  刘文犀

IPC: G06T5/00 ,  G06T7/90 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于生成对抗网络的无参考低光照图像增强方法及系统，该方法包括以下步骤：分别对原始分辨率的低光照图像和正常光照图像进行预处理，得到用于训练的不成对的低光照图像块和正常光照图像块；构建用于低光照增强的生成器网络和用于进行对抗训练的判别器网络；使用低光照图像块和正常光照图像块交替训练生成器网络和判别器网络收敛到纳什平衡；将用于测试的原始低光照图像输入训练好的生成器网络预测其增强后的图像。该方法及系统有利于提高低光照图像增强的质量。

公开(公告)号：CN109727246A

公开(公告)日：2019-05-07

申请号：CN201910077607.2

申请日：2019-01-26

Applicant: 福州大学

Inventor： 牛玉贞 ,  吴建斌 ,  郭文忠 ,  黄栋

IPC: G06T7/00 ,  G06N3/04

Abstract: 本发明涉及一种基于孪生网络的对比学习图像质量评估方法。首先，将待训练的图像做局部对比度归一化处理，然后划分为图像块，并生成图像对；其次，设计孪生卷积神经网络的结构，使用所设计的网络训练图像质量评估模型；最后，将待测图像划分为图像块，并生成图像对。利用训练好的模型预测所生成的所有待预测图像对的质量优劣，得出所有图像的质量排名，根据排名得出每张图像的质量分数。本发明方法提出将图像质量评价问题转换为图像块之间的质量对比问题，利用图像块间的两两对比，通过统计每张图和其他图像对比的结果来获得每张图像的质量得分，能显著提高无参照图像质量评估性能。

公开(公告)号：CN109727246B

公开(公告)日：2022-05-13

申请号：CN201910077607.2

申请日：2019-01-26

Applicant: 福州大学

Inventor： 牛玉贞 ,  吴建斌 ,  郭文忠 ,  黄栋

IPC: G06T7/00 ,  G06N3/04

Abstract: 本发明涉及一种基于孪生网络的对比学习图像质量评估方法。首先，将待训练的图像做局部对比度归一化处理，然后划分为图像块，并生成图像对；其次，设计孪生卷积神经网络的结构，使用所设计的网络训练图像质量评估模型；最后，将待测图像划分为图像块，并生成图像对。利用训练好的模型预测所生成的所有待预测图像对的质量优劣，得出所有图像的质量排名，根据排名得出每张图像的质量分数。本发明方法提出将图像质量评价问题转换为图像块之间的质量对比问题，利用图像块间的两两对比，通过统计每张图和其他图像对比的结果来获得每张图像的质量得分，能显著提高无参照图像质量评估性能。

公开(公告)号：CN111798400B

公开(公告)日：2022-10-11

申请号：CN202010700648.5

申请日：2020-07-20

Applicant: 福州大学

Inventor： 牛玉贞 ,  宋冰蕊 ,  吴建斌 ,  刘文犀

IPC: G06T5/00 ,  G06T7/90 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于生成对抗网络的无参考低光照图像增强方法及系统，该方法包括以下步骤：分别对原始分辨率的低光照图像和正常光照图像进行预处理，得到用于训练的不成对的低光照图像块和正常光照图像块；构建用于低光照增强的生成器网络和用于进行对抗训练的判别器网络；使用低光照图像块和正常光照图像块交替训练生成器网络和判别器网络收敛到纳什平衡；将用于测试的原始低光照图像输入训练好的生成器网络预测其增强后的图像。该方法及系统有利于提高低光照图像增强的质量。

公开(公告)号：CN111835983B

公开(公告)日：2021-06-29

申请号：CN202010719702.0

申请日：2020-07-23

Applicant: 福州大学

Inventor： 牛玉贞 ,  吴建斌 ,  刘文犀

IPC: H04N5/235 ,  H04N5/232 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于生成对抗网络的多曝光图高动态范围成像方法及系统，首先对原始分辨率的低曝光图像、正常曝光图像、高曝光图像和用作标签的参考高动态范围图像进行预处理，得到用于训练的成组的低曝光、正常曝光、高曝光和高动态范围图像块；设计用于多曝光图高动态范围成像的生成器网络和用于进行对抗训练的判别器网络；使用成组的低曝光、正常曝光、高曝光和高动态范围图像块交替训练生成器网络和判别器网络收敛到纳什平衡；最后将用于测试的原始分辨率的低曝光图像、正常曝光图像和高曝光图像输入已收敛的生成器网络得到其输出的高动态范围图像预测结果。本发明能提升多曝光图像间具有明显背景移动或物体运动时生成的高动态范围图像的质量。

公开(公告)号：CN111835983A

公开(公告)日：2020-10-27

申请号：CN202010719702.0

申请日：2020-07-23

Applicant: 福州大学

Inventor： 牛玉贞 ,  吴建斌 ,  刘文犀

IPC: H04N5/235 ,  H04N5/232 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于生成对抗网络的多曝光图高动态范围成像方法及系统，首先对原始分辨率的低曝光图像、正常曝光图像、高曝光图像和用作标签的参考高动态范围图像进行预处理，得到用于训练的成组的低曝光、正常曝光、高曝光和高动态范围图像块；设计用于多曝光图高动态范围成像的生成器网络和用于进行对抗训练的判别器网络；使用成组的低曝光、正常曝光、高曝光和高动态范围图像块交替训练生成器网络和判别器网络收敛到纳什平衡；最后将用于测试的原始分辨率的低曝光图像、正常曝光图像和高曝光图像输入已收敛的生成器网络得到其输出的高动态范围图像预测结果。本发明能提升多曝光图像间具有明显背景移动或物体运动时生成的高动态范围图像的质量。