-
公开(公告)号：CN109919859B
公开(公告)日：2021-09-07
申请号：CN201910071668.8
申请日：2019-01-25
Applicant: 暨南大学
Abstract: 本发明涉及一种户外场景图像去雾增强方法、计算设备以及计算机可读存储介质，本发明的去雾增强方法对整个图像进行了白色区、天空区以及其他区的三种区域分割，对每个区域分别增强处理，尤其本发明中提出的基于天空占比的自适应Gamma变换，使增强后图像整体色彩更明亮，边缘保持和色彩保真更好。同时，本发明的方法有效抑制了近白色区域和灰白天空区域的光晕和伪影，减少了这些区域的色彩失真，同时由于采用了对比度受限的自适应直方图均衡方法增强天空区域，使户外场景中景深较大的远景细节能得到较好的增强和重现。
-
公开(公告)号：CN109919859A
公开(公告)日：2019-06-21
申请号：CN201910071668.8
申请日：2019-01-25
Applicant: 暨南大学
Abstract: 本发明涉及一种户外场景图像去雾增强方法、计算设备以及计算机可读存储介质，本发明的去雾增强方法对整个图像进行了白色区、天空区以及其他区的三种区域分割，对每个区域分别增强处理，尤其本发明中提出的基于天空占比的自适应Gamma变换，使增强后图像整体色彩更明亮，边缘保持和色彩保真更好。同时，本发明的方法有效抑制了近白色区域和灰白天空区域的光晕和伪影，减少了这些区域的色彩失真，同时由于采用了对比度受限的自适应直方图均衡方法增强天空区域，使户外场景中景深较大的远景细节能得到较好的增强和重现。
-
公开(公告)号：CN110097519B
公开(公告)日：2021-03-19
申请号：CN201910350268.0
申请日：2019-04-28
Applicant: 暨南大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于深度学习的双监督轻量级图像去雾方法、系统、介质和设备，该方法步骤为：获取有雾图像、标签无雾图像；构建神经网络系统；训练神经网络系统；有雾图像输入到神经网络系统得到第一传输图，有雾图像经图像恢复算法后得第二传输图；第一、第二传输图进行均方差计算得到损失函数Lt；第一传输图进行大气散射模型逆运算，得到去雾图像；去雾图像与标签无雾图像对比得到损失函数Ld；Lt和Ld按设定的比例结合得到Ltotal；有雾图像输入到训练好的神经网络系统得到去雾图像；该系统包括有雾、无雾图像样本获取模块、神经网络系统构建模块和神经网络系统训练模块，本发明的网络参数量级小，训练时间少，能避免主观设定，增强去雾效果。
-
公开(公告)号：CN110097519A
公开(公告)日：2019-08-06
申请号：CN201910350268.0
申请日：2019-04-28
Applicant: 暨南大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于深度学习的双监督轻量级图像去雾方法、系统、介质和设备，该方法步骤为：获取有雾图像、标签无雾图像；构建神经网络系统；训练神经网络系统；有雾图像输入到神经网络系统得到第一传输图，有雾图像经图像恢复算法后得第二传输图；第一、第二传输图进行均方差计算得到损失函数Lt；第一传输图进行大气散射模型逆运算，得到去雾图像；去雾图像与标签无雾图像对比得到损失函数Ld；Lt和Ld按设定的比例结合得到Ltotal；有雾图像输入到训练好的神经网络系统得到去雾图像；该系统包括有雾、无雾图像样本获取模块、神经网络系统构建模块和神经网络系统训练模块，本发明的网络参数量级小，训练时间少，能避免主观设定，增强去雾效果。
-
-
-
Search Results
4
records
(took 0.013 seconds)
