-
Patent Agency Ranking
公开(公告)号：CN109544475A
公开(公告)日：2019-03-29
申请号：CN201811389239.7
申请日：2018-11-21
Applicant: 北京大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明涉用于图像去模糊的Bi-Level优化方法，设计让两种层级损失函数相互交替进行模型优化,Bi-Level优化机制分为两个步骤，第一步用MSE损失条件训练出一个基本模型，第二步采用双层级损失交互迭代进行模型微调操作。这是因为在训练初期，复原效果与清晰图像之间的散度比较大，噪声的作用可以忽略不计，而在训练后期噪声被不断放大使其负面作用愈加明显，因此引入感知损失进行噪声抑制同时将MSE损失改为L1损失以足够保证结构连续性。本发明具有纹理恢复准确、深度特征与像素值匹配的优点。
-
公开(公告)号：CN107292842B
公开(公告)日：2020-08-07
申请号：CN201710452806.8
申请日：2017-06-15
Applicant: 北京大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公布了一种图像去模糊方法，基于先验约束和离群值抑制，采用卷积模型来拟合清晰图像的模糊过程，再对模糊图像I进行复原，由此达到图像去模糊的目的；包括模糊图像显著性结构评估过程、模糊核估计及其离群值抑制过程、非忙反卷积模糊图像复原过程；利用L0范数约束和重尾先验信息获得模糊图像中的显著性结构；具体采用L0范数约束对模糊核进行评估；对评估的模糊核进行离群值抑制；采用非盲反卷积算法得到最终的复原图像。本发明能够解决现有算法中存在的先验假设不准确、先验约束不合适，以及模糊核中存在离群值的问题，能够明显提高模糊图像的复原水平。
-
公开(公告)号：CN107292842A
公开(公告)日：2017-10-24
申请号：CN201710452806.8
申请日：2017-06-15
Applicant: 北京大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公布了一种图像去模糊方法，基于先验约束和离群值抑制，采用卷积模型来拟合清晰图像的模糊过程，再对模糊图像I进行复原，由此达到图像去模糊的目的；包括模糊图像显著性结构评估过程、模糊核估计及其离群值抑制过程、非忙反卷积模糊图像复原过程；利用L0范数约束和重尾先验信息获得模糊图像中的显著性结构；具体采用L0范数约束对模糊核进行评估；对评估的模糊核进行离群值抑制；采用非盲反卷积算法得到最终的复原图像。本发明能够解决现有算法中存在的先验假设不准确、先验约束不合适，以及模糊核中存在离群值的问题，能够明显提高模糊图像的复原水平。
-
公开(公告)号：CN109410146A
公开(公告)日：2019-03-01
申请号：CN201811298475.8
申请日：2018-11-02
Applicant: 北京大学深圳研究生院
Abstract: 本发明涉及数字图像处理领域，特别一种基于Bi-Skip-Net的图像去模糊方法,是一种Bi-Skip-Net网络来实现模糊图像复原,旨在解决现有深度学习去模糊算法存在的时间复杂度高、纹理恢复不准确、复原图像存在方格效应等问题。本发明公开的一种Bi-Skip-Net网络来作为GAN(Generative Adversarial Network)的生成网络，旨在解决现有深度学习去模糊算法存在的缺点,通过对比现有最优算法，本发明在时间复杂度上提升了0.1s，在图像复图像原性能上平均提升了1dB。
-
公开(公告)号：CN107169941A
公开(公告)日：2017-09-15
申请号：CN201710453308.5
申请日：2017-06-15
Applicant: 北京大学深圳研究生院
CPC classification number: G06T5/002 , G06T7/41 , G06T2207/10016
Abstract: 本发明公布了一种视频去噪方法，采用纹理测度和结构方差融合的方法进行噪声滤波，得到去噪后高质量的视频；包括：对噪声视频流，利用超像素块分割方法和SVD方法，获取基于超像素块的自适应视频纹理测度；对超像素块的平滑区域和纹理区域进行标定，并获取具有自适应度的结构方差；利用结构方差的差异来自适应控制权重，由此评估视频流的纹理信息；再经视频流滤波得到去噪视频流。本发明能够降低现有视频中的噪声，同时保证视频质量和观感，解决现有去噪技术中的块效应和纹理模糊等人工痕迹问题，得到的视觉效果良好，人工痕迹少，且具有强鲁棒性，可应用到多种计算机视觉领域的视频预处理中。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
