-
公开(公告)号：CN114693558B
公开(公告)日：2024-09-06
申请号：CN202210335753.2
申请日：2022-03-31
Applicant: 福州大学
IPC: G06T5/70 , G06T5/60 , G06T5/50 , G06T7/90 , G06N3/0464
Abstract: 本发明涉及一种基于渐进融合多尺度策略的图像去摩尔纹方法及系统，该方法包括以下步骤：步骤S1、对原始数据集中图像进行处理，得到摩尔纹图像和干净图像对，并对每幅图像进行预处理，得到训练数据集；步骤S2、构建基于渐进融合多尺度策略的多尺度去摩尔纹网络，所述多尺度去摩尔纹网络采用多尺度设计，由两个渐进纹理融合模块和多个残差摩尔纹去除模块组成；步骤S3、构建用于训练所述多尺度去摩尔纹网络的损失函数；步骤S4、采用训练数据集训练所述多尺度去摩尔纹网络；步骤S5、将待处理的摩尔纹图像输入训练好的多尺度去摩尔纹网络，输出去除摩尔纹后的干净图像。该方法及系统有利于实现高质量的图像去摩尔纹。
-
公开(公告)号：CN116385932A
公开(公告)日：2023-07-04
申请号：CN202310356360.4
申请日：2023-04-06
Applicant: 福州大学
Abstract: 本发明提供了结合卷积和注意力的时空融合视频质量评价方法，包括以下步骤：步骤S1：将视频质量评价数据集中的数据集进行预处理，使其大小一致，并划分训练集和测试集；步骤S2：设计结合卷积和注意力机制的空间特征提取网络；步骤S3：设计结合卷积和注意力的时间特征提取网络；步骤S4：设计基于注意力机制的时空特征融合网络；步骤S5：将视频分别送入设计好的空间特征提取网络和时间特征提取网络进行训练；步骤S6：将所提取的空间特征和时间特征送入时空特征融合网络，训练并保存时空特征融合网络。步骤S7：将测试视频送入空间特征提取网络和时间特征提取网络，然后将时间和空间特征送入时空特征融合网络得到视频的质量评估分数。
-
公开(公告)号：CN116385932B
公开(公告)日：2025-05-09
申请号：CN202310356360.4
申请日：2023-04-06
Applicant: 福州大学
Abstract: 本发明提供了结合卷积和注意力的时空融合视频质量评价方法，包括以下步骤：步骤S1：将视频质量评价数据集中的数据集进行预处理，使其大小一致，并划分训练集和测试集；步骤S2：设计结合卷积和注意力机制的空间特征提取网络；步骤S3：设计结合卷积和注意力的时间特征提取网络；步骤S4：设计基于注意力机制的时空特征融合网络；步骤S5：将视频分别送入设计好的空间特征提取网络和时间特征提取网络进行训练；步骤S6：将所提取的空间特征和时间特征送入时空特征融合网络，训练并保存时空特征融合网络。步骤S7：将测试视频送入空间特征提取网络和时间特征提取网络，然后将时间和空间特征送入时空特征融合网络得到视频的质量评估分数。
-
公开(公告)号：CN114693558A
公开(公告)日：2022-07-01
申请号：CN202210335753.2
申请日：2022-03-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于渐进融合多尺度策略的图像去摩尔纹方法及系统，该方法包括以下步骤：步骤S1、对原始数据集中图像进行处理，得到摩尔纹图像和干净图像对，并对每幅图像进行预处理，得到训练数据集；步骤S2、构建基于渐进融合多尺度策略的多尺度去摩尔纹网络，所述多尺度去摩尔纹网络采用多尺度设计，由两个渐进纹理融合模块和多个残差摩尔纹去除模块组成；步骤S3、构建用于训练所述多尺度去摩尔纹网络的损失函数；步骤S4、采用训练数据集训练所述多尺度去摩尔纹网络；步骤S5、将待处理的摩尔纹图像输入训练好的多尺度去摩尔纹网络，输出去除摩尔纹后的干净图像。该方法及系统有利于实现高质量的图像去摩尔纹。
-
-
-
Search Results
4
records
(took 0.017 seconds)
