-
公开(公告)号：CN112862922B
公开(公告)日：2022-10-11
申请号：CN202110109862.8
申请日：2021-01-27
Applicant: 南昌大学
Abstract: 本发明提供了一种基于多特征生成网络先验信息引导的图像填充方法，包括以下步骤：步骤A：将图像数据集分为训练数据集、验证数据集和测试数据集三部分；步骤B：设计一种可以提取彩色图像先验信息的多特征可逆1×1卷积流形生成网络结构，使用图像数据集对该网络进行训练，得到训练好的网络模型；步骤C：设计一种可以提取已训练网络模型内的先验信息的迭代求解算法；步骤D：采用迭代求解算法应用于已训练网络模型对图像测试数据集进行测试，输出得到最终的修复图像。本发明首先从具有RGB通道的图像中利用该网络学习多特征图像先验信息，然后采用可变增强技术将获取的多特征图像先验信息嵌入到迭代重建过程中去迭代优化修复结果。
-
Patent Agency Ranking
公开(公告)号：CN110246094B
公开(公告)日：2021-09-28
申请号：CN201910391958.0
申请日：2019-05-13
Applicant: 南昌大学
Abstract: 本发明提供了一种用于彩色图像超分辨率重建的6维嵌入的去噪自编码先验信息算法，包括以下步骤，步骤A：利用去噪自动编码(DAE)作为彩色图像超分辨率重建的先验信息手段，通过复制3个信道，建立6维嵌入去噪自编码先验算法模型；步骤B：训练一个以6维变量为输入的去噪网络，然后利用网络驱动的高维先验阵嵌入的先验信息对彩色图像进行超分辨率重建；步骤C：迭代恢复阶段，将中间色图像映射为6维图像，利用网络进行处理，平均值运算符用于将其转换回三通道图像。本发明高维先验算法解决了基本数据元陷入局部最优解的问题，有效地克服了不稳定性。该算法具有良好的性能和良好的视觉检测性能。
-
公开(公告)号：CN110246094A
公开(公告)日：2019-09-17
申请号：CN201910391958.0
申请日：2019-05-13
Applicant: 南昌大学
Abstract: 本发明提供了一种用于彩色图像超分辨率重建的6维嵌入的去噪自编码先验信息算法，包括以下步骤，步骤A：利用去噪自动编码(DAE)作为彩色图像超分辨率重建的先验信息手段，通过复制3个信道，建立6维嵌入去噪自编码先验算法模型；步骤B：训练一个以6维变量为输入的去噪网络，然后利用网络驱动的高维先验阵嵌入的先验信息对彩色图像进行超分辨率重建；步骤C：迭代恢复阶段，将中间色图像映射为6维图像，利用网络进行处理，平均值运算符用于将其转换回三通道图像。本发明高维先验算法解决了基本数据元陷入局部最优解的问题，有效地克服了不稳定性。该算法具有良好的性能和良好的视觉检测性能。
-
公开(公告)号：CN110428473B
公开(公告)日：2022-06-14
申请号：CN201910529133.0
申请日：2019-06-18
Applicant: 南昌大学
Abstract: 本发明提供了一种基于辅助变量的对抗生成网络的彩色图像灰度化方法，包括以下步骤：步骤A：检验输入图像是否为彩色图像，若为彩色图像则使用梯度相关相似度灰度化(GcsDecolor)算法对其进行灰度化处理，并将灰度化后图像进行复制，得到三份灰度化图像作为对抗生成网络的对比图像；步骤B：设计基于辅助变量的对抗生成网络(AV‑GAN)，训练AV‑GAN网络；步骤C：将彩色图像通过已训练完成的AV‑GAN网络进行测试，得到最终的灰度化图像。本发明使彩色图像灰度化计算效率较高，并可保存彩色图像的显著特征，使灰度化图像可保留颜色排序，更好地反映了彩色和灰度图像之间的结构相似性。
-
公开(公告)号：CN112862922A
公开(公告)日：2021-05-28
申请号：CN202110109862.8
申请日：2021-01-27
Applicant: 南昌大学
Abstract: 本发明提供了一种基于多特征生成网络先验信息引导的图像填充方法，包括以下步骤：步骤A：将图像数据集分为训练数据集、验证数据集和测试数据集三部分；步骤B：设计一种可以提取彩色图像先验信息的多特征可逆1×1卷积流形生成网络结构，使用图像数据集对该网络进行训练，得到训练好的网络模型；步骤C：设计一种可以提取已训练网络模型内的先验信息的迭代求解算法；步骤D：采用迭代求解算法应用于已训练网络模型对图像测试数据集进行测试，输出得到最终的修复图像。本发明首先从具有RGB通道的图像中利用该网络学习多特征图像先验信息，然后采用可变增强技术将获取的多特征图像先验信息嵌入到迭代重建过程中去迭代优化修复结果。
-
公开(公告)号：CN110428473A
公开(公告)日：2019-11-08
申请号：CN201910529133.0
申请日：2019-06-18
Applicant: 南昌大学
Abstract: 本发明提供了一种基于辅助变量的对抗生成网络的彩色图像灰度化方法，包括以下步骤：步骤A：检验输入图像是否为彩色图像，若为彩色图像则使用梯度相关相似度灰度化(GcsDecolor)算法对其进行灰度化处理，并将灰度化后图像进行复制，得到三份灰度化图像作为对抗生成网络的对比图像；步骤B：设计基于辅助变量的对抗生成网络(AV-GAN)，训练AV-GAN网络；步骤C：将彩色图像通过已训练完成的AV-GAN网络进行测试，得到最终的灰度化图像。本发明使彩色图像灰度化计算效率较高，并可保存彩色图像的显著特征，使灰度化图像可保留颜色排序，更好地反映了彩色和灰度图像之间的结构相似性。
-
-
-
-
-
Search Results
6
records
(took 0.106 seconds)
