公开(公告)号：CN109903232A

公开(公告)日：2019-06-18

申请号：CN201811560434.1

申请日：2018-12-20

Applicant: 江南大学

Inventor： 桑庆兵 ,  雎青青 ,  殷莹 ,  李朝锋 ,  吴小俊

IPC: G06T5/00

Abstract: 一种基于卷积神经网络的图像去雾方法，其可提高有雾图像的清晰度，避免图像失真，可简化图像的处理步骤，提高图像处理的整体效率，具体包括以下步骤：S1原始无雾图像的获取，原始无雾图像从现有的数据集中选取，选取N幅原始无雾图像作为整体训练样本，S2有雾图像的获取，将S1中原始无雾图像人工合成有雾图像，具体为依次采用蓝色通道加雾算法、大气散射模型对原始无雾图像进行处理，得到有雾图像，S3建立卷积神经网络模型，对有雾图像进行处理，得到最终去雾图像，搭建卷积神经网络模型，采用卷积神经网络模型对有雾图像进行处理。

公开(公告)号：CN102006497A

公开(公告)日：2011-04-06

申请号：CN201010554928.6

申请日：2010-11-16

Applicant: 江南大学

Inventor： 李朝锋 ,  袁万立 ,  吉训生 ,  吴小俊 ,  桑庆兵

IPC: H04N17/00

Abstract: 本发明公开一种基于图像局部统计特征的模糊图像无参考评测方法，主要解决模糊图像无参考客观评价问题。该方法步骤包括：(1)、首先在待测试图像上采用滤波方法生成一幅模糊图像，(2)、使用Sobel算子检测出原始待测试图像的边缘，选择围绕边缘点的局部区域集合；(3)、根据选择的局部区域，统计出原始图像和生成模糊图像的变差统计；(4)、适当调整局部区域变差统计；(5)、根据这些变差统计，构造了一个模糊图像评价测度。本发明结构简单、计算复杂度低，易于硬件实现，与主观评价高度一致的优点，可用于对图像视频处理方法进行有效性检测。