-
公开(公告)号：CN115205147A
公开(公告)日：2022-10-18
申请号：CN202210828621.3
申请日：2022-07-13
Applicant: 福州大学
Abstract: 本发明涉及一种基于Transformer的多尺度优化低照度图像增强方法。包括：将数据进行数据预处理；构建基于Transformer的多任务恢复和增强子网络；设计基于Transformer的多尺度优化低照度图像增强网络，该网络由多尺度浅层特征提取子网络、多尺度特征融合子网络、基于Transformer的低照度图像特征增强子网络和多尺度低照度图像增强子网络组成；根据网络结构设计损失函数，指导网络模型的参数优化；用图像块数据训练网络，优化网络模型参数，收敛到平衡状态；将低照度图像进行切块处理，然后将图像块分别输入训练好的图像增强网络，得到相应增强后的图像块后，将图像块拼接成增强后的完整图像。本发明能对低照度图像进行增强，综合解决低照度图像存在的退化问题。
-
公开(公告)号：CN112561950A
公开(公告)日：2021-03-26
申请号：CN202011547135.1
申请日：2020-12-24
Applicant: 福州大学
Abstract: 本发明涉及一种PointTrack框架下基于窗函数的点云采样方法，包括以下步骤：步骤S1：获取视频图像帧中所有目标的2D边界框，并输入到神经网络中进行分割，得到对应的前景与背景；步骤S2：根据分割结果对边界框在上下左右四个方向进行扩展，并将扩展后割的结果使用窗函数进行点云采样，分别得到前景和背景相对应的2D点云采样结果；步骤S3：将得到的前景点云进行整合，计算对应的颜色特征向量和形状特征向量，将得到的背景点云进行整合，并计算对应的颜色特征向量、形状特征向量以及类别向量，最终将得到的向量串联输入到PointTrak模型中。本发明能够使用窗函数更好的对点云采样进行控制，可以让采样的点更偏向于反应轮廓信息或者颜色信息，提高PointTrack多目标跟踪效果。
-
公开(公告)号：CN116309182B
公开(公告)日：2025-05-23
申请号：CN202310356275.8
申请日：2023-04-06
Applicant: 福州大学
IPC: G06T5/90 , G06V10/774 , G06N3/084 , G06V10/82 , G06V10/77 , G06N3/0464
Abstract: 本发明涉及一种基于递归交互式注意力的低照度图像增强方法。包括：对输入图像进行预处理，包括图像配对、裁剪、数据增强处理，得到训练数据集；设计递归交互式注意力增强网络，该网络由输入映射模块、递归交互式注意力增强网络和输出映射模块组成；设计用于训练步骤B所设计网络的损失函数；使用步骤A得到的训练数据集训练递归交互式注意力增强网络；将待测图像输入到该网络中，使用训练好的网络生成正常照度图像。本发明利用递归交互式注意力机制，能够在局部和全局范围内对图像进行注意力调整和增强，从而提高了图像的质量和清晰度，有效解决了低照度图像亮度不均衡、细节丢失、颜色失真等问题。
-
公开(公告)号：CN116703783A
公开(公告)日：2023-09-05
申请号：CN202310859559.9
申请日：2023-07-13
Applicant: 福州大学
Abstract: 本发明涉及一种基于CNN‑Transformer混合建模及双边交互的低照度图像增强方法。包括：对输入图像进行预处理，包括图像配对、裁剪和数据增强处理，以得到训练数据集；设计一个基于CNN‑Transformer的低照度图像交互增强网络，该网络由输入映射模块、L个交互增强块和输出映射模块组成；设计用于训练步骤B中所设计网络的损失函数；使用训练数据集训练基于CNN‑Transformer的低照度图像交互增强网络；将待测图像输入到该网络中，利用训练好的网络生成正常照度图像。本发明利用CNN‑Transformer混合建模方法，通过双边交互促进局部感知和全局感知模块之间相互促进、互补，能够在低照度条件下更好地增强图像的细节和亮度、改善全局一致性问题，进一步提高图像增强的效果。
-
公开(公告)号：CN116309182A
公开(公告)日：2023-06-23
申请号：CN202310356275.8
申请日：2023-04-06
Applicant: 福州大学
IPC: G06T5/00 , G06V10/774 , G06N3/084 , G06V10/82 , G06V10/77 , G06N3/0464
Abstract: 本发明涉及一种基于递归交互式注意力的低照度图像增强方法。包括：对输入图像进行预处理，包括图像配对、裁剪、数据增强处理，得到训练数据集；设计递归交互式注意力增强网络，该网络由输入映射模块、递归交互式注意力增强网络和输出映射模块组成；设计用于训练步骤B所设计网络的损失函数；使用步骤A得到的训练数据集训练递归交互式注意力增强网络；将待测图像输入到该网络中，使用训练好的网络生成正常照度图像。本发明利用递归交互式注意力机制，能够在局部和全局范围内对图像进行注意力调整和增强，从而提高了图像的质量和清晰度，有效解决了低照度图像亮度不均衡、细节丢失、颜色失真等问题。
-
Patent Agency Ranking
公开(公告)号：CN114972107A
公开(公告)日：2022-08-30
申请号：CN202210663857.6
申请日：2022-06-14
Applicant: 福州大学
Abstract: 本发明提出一种基于多尺度堆叠式注意力网络的低照度图像增强方法，包括以下步骤：步骤A：对原始低照度图像和正常照度图像的训练图像对进行预处理，得到原始低照度图像和正常照度图像组成的训练图像对；步骤B：设计多尺度自适应融合堆叠式注意力网络作为低照度图像增强网络，该网络包含多尺度自适应特征融合模块，堆叠式注意力残差模块和傅里叶重建模块；步骤C：设计低照度图像增强网络的目标损失函数，训练网络至收敛到阈值或迭代次数达到阈值；步骤D：将待测图像输入到所设计的低照度图像增强网络中，利用训练好的网络预测生成正常照度图像。本发明能实现低照度图像增强，生成正常照度下的高质量图像。
-
公开(公告)号：CN114399427A
公开(公告)日：2022-04-26
申请号：CN202210018956.9
申请日：2022-01-07
Applicant: 福州大学
Abstract: 本发明涉及一种基于循环生成对抗网络的字效迁移方法。包括：S1：对数据集进行处理，得到字形图像和字效图像对，并对每幅图像进行预处理，得到训练数据集；S2：设计一个基于循环生成对抗网络的字效风格迁移网络，该网络由字效去除子网和字效迁移子网组成；S3：设计用于训练步骤S2所设计网络的损失函数；S4：使用训练数据集训练基于循环生成对抗网络的字效风格迁移网络；S5：将新的目标字效图像和待迁移的字形图像输入训练好的字效迁移网络，输出字效迁移后具有目标字效的图像。本发明能实现字效风格迁移，并生成高质量、结构性强的字效迁移图像。
-
公开(公告)号：CN112528730A
公开(公告)日：2021-03-19
申请号：CN202011128387.0
申请日：2020-10-20
Applicant: 福州大学
Abstract: 本发明涉及一种匈牙利算法下基于空间约束的成本矩阵优化方法，首先获取保存好的所有被跟踪目标的外观特征向量集合，然后获取该帧中所有行人检测的结果，并将他们结合构造初始的成本矩阵；接着根据之前被跟踪的目标的信息利用卡尔曼滤波来估计该目标的当前位置，根据估计位置和检测结果的相对关系来修改成本矩阵的权重，用于后续的指派任务；最后利用匈牙利算法获得成本矩阵的最优指派，据此将检测结果进行分配，并且更新和保存被跟踪目标的外貌特征。本发明能够根据视频场景来有效改善匈牙利算法的匹配效果，去除一些不合理的匹配。
-
公开(公告)号：CN112200076A
公开(公告)日：2021-01-08
申请号：CN202011076008.8
申请日：2020-10-10
Applicant: 福州大学
Abstract: 本发明涉及一种基于头部躯干特征进行多目标跟踪的方法，包括以下步骤：步骤S1：获取视频中行人检测的结果，并对结果进行筛选，删除错误的检测结果；步骤S2：对筛选后的检测结果进行预处理后，输入到人体关键点检测网络中，得到所有的人体关键点；步骤S3：对得到的每个行人的关键点进行筛选，选取头部以及肩膀的关键点进行组合，获得头部躯干特征；步骤S4：将得到的单个行人的头部躯干特征输入到跟踪器中进行初始化，进而对目标进行跟踪。本发明能够有效地提取检测框中的头部躯干特征，使得跟踪器在初始化的时候获取的有效信息占比最大化。
-
公开(公告)号：CN116703783B
公开(公告)日：2025-05-23
申请号：CN202310859559.9
申请日：2023-07-13
Applicant: 福州大学
Abstract: 本发明涉及一种基于CNN‑Transformer混合建模及双边交互的低照度图像增强方法。包括：对输入图像进行预处理，包括图像配对、裁剪和数据增强处理，以得到训练数据集；设计一个基于CNN‑Transformer的低照度图像交互增强网络，该网络由输入映射模块、L个交互增强块和输出映射模块组成；设计用于训练步骤B中所设计网络的损失函数；使用训练数据集训练基于CNN‑Transformer的低照度图像交互增强网络；将待测图像输入到该网络中，利用训练好的网络生成正常照度图像。本发明利用CNN‑Transformer混合建模方法，通过双边交互促进局部感知和全局感知模块之间相互促进、互补，能够在低照度条件下更好地增强图像的细节和亮度、改善全局一致性问题，进一步提高图像增强的效果。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.02 seconds)
