-
公开(公告)号：CN114936983B
公开(公告)日：2025-02-07
申请号：CN202210680325.3
申请日：2022-06-16
Applicant: 福州大学
IPC: G06T5/00 , G06V20/05 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/34 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于深度级联残差网络的水下图像增强方法及系统，该方法包括：S1：构建深度级联残差网络；按比例构建训练集和测试集；S2：将输入图像分块，然后分别输入到深度级联残差网络的三个级联子网中，让网络进行前向传播获得训练后网络输出的清晰图像；S3：计算输出图像相较于目标图像的损失值，根据损失值进行误差反向传播以更新网络权重；S4：判断深度级联残差网络是否训练完毕，是则挑选出网络的最佳模型；S5：将测试集输入最佳模型进行测试，判断最佳模型是否达到预期；S6：将水下退化图像输入通过测试的深度级联残差网络，获得增强后的水下图像。该方法及系统有利于纠正水下图像的颜色偏差，提高对比度和清晰度，提高整体视觉效果。
-
公开(公告)号：CN114926376A
公开(公告)日：2022-08-19
申请号：CN202210569655.5
申请日：2022-05-24
Applicant: 福州大学
Abstract: 本发明提供了一种面向电子纸显示的高保真图像映射算法，基于灰度调节和改进的Gamma校正直方图增强，主要步骤如下：步骤S1：在对数域下利用图像当前值、平均值和最大值的关系，乘以比例调节系数得到图像的灰度调节系数，在实数域下对图像进行自适应灰度调节，得到预增强图像；步骤S2：使用单通道直方图所有峰值的均值作为裁剪峰值，采用Gamma函数为累积分布函数的校正函数，对图像单通道直方图进行直方图重构，得到增强的单通道图像；步骤S3：利用预增强图像三通道灰度值比例关系获得剩余两个通道的灰度值，合并三通道得到增强图像。应用本技术方案可提高显示效果和电子纸图像的质量。
-
公开(公告)号：CN113852813A
公开(公告)日：2021-12-28
申请号：CN202111114535.8
申请日：2021-09-23
Applicant: 福州大学
IPC: H04N19/117 , H04N19/80 , H04N19/85 , G06K9/62
Abstract: 本发明提出一种基于注意力机制的压缩视频修复与画质增强方法及系统，首先，采用动态滤波处理，对视频的当前帧和目标帧在特征域上进行对齐，进而有效的利用视频帧间的时空关系；其次，为了避免过度平滑，利用注意力机制设计序列残差注意力模块(SRAB)作为网络的基本单元，对视频帧的细节进行修正；最后，利用训练模型预测出的结果与原始未压缩的视频帧进行对比，判断任务中目标的完成情况。本发明方法较采用其他视频增强算法相比本发明在视觉性能上表现最好，并且处理速度较快，优势明显。
-
Patent Agency Ranking
公开(公告)号：CN114936983A
公开(公告)日：2022-08-23
申请号：CN202210680325.3
申请日：2022-06-16
Applicant: 福州大学
IPC: G06T5/00 , G06V20/05 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/34 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度级联残差网络的水下图像增强方法及系统，该方法包括：S1：构建深度级联残差网络；按比例构建训练集和测试集；S2：将输入图像分块，然后分别输入到深度级联残差网络的三个级联子网中，让网络进行前向传播获得训练后网络输出的清晰图像；S3：计算输出图像相较于目标图像的损失值，根据损失值进行误差反向传播以更新网络权重；S4：判断深度级联残差网络是否训练完毕，是则挑选出网络的最佳模型；S5：将测试集输入最佳模型进行测试，判断最佳模型是否达到预期；S6：将水下退化图像输入通过测试的深度级联残差网络，获得增强后的水下图像。该方法及系统有利于纠正水下图像的颜色偏差，提高对比度和清晰度，提高整体视觉效果。
-
公开(公告)号：CN115760632A
公开(公告)日：2023-03-07
申请号：CN202211497560.3
申请日：2022-11-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于多尺度混合模型的无人机航拍图去雾方法。首先，对无人机航拍图进行预处理，采用压缩激发模块SE，对图片特征进行压缩，从而获得全局感受野，捕捉长程信息；其次，采用不同扩张因子的空洞卷积模块DCLs设计上下文扩展模块CDB，提取并融合多尺度的语义特征，获取丰富的上下文信息；最后，利用训练模型预测出的结果和原始无人机航拍图对比，判断去雾任务的完成情况，在真实无人机航拍数据集上使用YOLOv4可视化去雾结果的目标检测性能。基于上述步骤，将基于多尺度混合模型的单图去雾方法部署在无人机预处理阶段。本发明方法较采用其他单图去雾算法相比本发明在视觉性能和目标检测精度上表现最好，并且处理速度较快，优势明显。
-
公开(公告)号：CN112541926B
公开(公告)日：2022-07-01
申请号：CN202011489941.8
申请日：2020-12-15
Applicant: 福州大学
IPC: G06T7/11 , G06N3/04 , G06K9/62 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种基于改进FCN和DenseNet的歧义像素优化分割方法，包括以下步骤：步骤S1：选取分割数据集，完成分割数据集的预处理，然后进一步完成分割数据集到分类数据集的转换制作；步骤S2：提出了一种新的语义分割网络Atrous‑ResFCN‑8s/16s/32s，并且将两个不同层次的Atrous‑ResFCN网络结合起来，用于确定语义分割的歧义像素；步骤S3：提出了一种新的图像分类网络MFR‑DenseNet，用于优化判断确定的歧义像素；将优化判断的歧义像素进行逐像素的比对还原，实现最终的分割结果。本发明有效地提高了图像分割分类精度，具有非常广泛的应用前景。
-
公开(公告)号：CN115861880A
公开(公告)日：2023-03-28
申请号：CN202211496526.4
申请日：2022-11-27
Applicant: 福州大学
IPC: G06V20/40 , H04N7/18 , H04N5/262 , G06V10/25 , G06V10/54 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及了一种基于半监督学习的轻量级监控视频去雨方法。首先，对监控场景进行分析，确定所需处理视频流的分辨率和帧率，确定算法运行的频率，获取参考背景帧信息；其次，采用门控卷积模块GCB提取并融合当前视频帧的雨纹特征和历史背景特征，得到雨纹分布和背景特征的融合输入特征；再次，采用递归残差网络RRN进行多层级处理MTP和递归密集学习RDL，通过跨不同级联块的参数共享降低参数量和提升去雨效果；最后，利用训练模型预测出的结果与原始未去雨的视频帧进行对比，判断任务中目标的完成情况。本发明方法较采用其他监控视频去雨方法相比在准确率性能上表现最好，并且处理速度达到针对不同运行环境的实时要求，优势明显。
-
公开(公告)号：CN112541926A
公开(公告)日：2021-03-23
申请号：CN202011489941.8
申请日：2020-12-15
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进FCN和DenseNet的歧义像素优化分割方法，包括以下步骤：步骤S1：选取分割数据集，完成分割数据集的预处理，然后进一步完成分割数据集到分类数据集的转换制作；步骤S2：提出了一种新的语义分割网络Atrous‑ResFCN‑8s/16s/32s，并且将两个不同层次的Atrous‑ResFCN网络结合起来，用于确定语义分割的歧义像素；步骤S3：提出了一种新的图像分类网络MFR‑DenseNet，用于优化判断确定的歧义像素；将优化判断的歧义像素进行逐像素的比对还原，实现最终的分割结果。本发明有效地提高了图像分割分类精度，具有非常广泛的应用前景。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
