公开(公告)号：CN111667421A

公开(公告)日：2020-09-15

申请号：CN202010446951.7

申请日：2020-05-25

Applicant: 武汉大学

Inventor： 余磊 ,  沈家蔚 ,  李卓延

IPC: G06T5/00 ,  G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于图像处理技术领域，公开了一种图像去雾方法，包括：建立训练集，训练集包括多对训练样本对，每对训练样本对包括无雾图像和对应的含雾图像；构建去雾网络模型，去雾网络模型基于隐式欧拉逼近的隐式结构进行构造，用于实现单幅图像去雾；利用训练集对去雾网络模型进行训练，获得训练好的去雾网络模型；将待测试的含雾图像输入至训练好的去雾网络模型，获得去雾图像。本发明解决了现有技术中图像去雾方法的稳定性和精度较差的问题，能够有效提高图像去雾的效果。

公开(公告)号：CN111667421B

公开(公告)日：2022-07-19

申请号：CN202010446951.7

申请日：2020-05-25

Applicant: 武汉大学

Inventor： 余磊 ,  沈家蔚 ,  李卓延

IPC: G06T5/00 ,  G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于图像处理技术领域，公开了一种图像去雾方法，包括：建立训练集，训练集包括多对训练样本对，每对训练样本对包括无雾图像和对应的含雾图像；构建去雾网络模型，去雾网络模型基于隐式欧拉逼近的隐式结构进行构造，用于实现单幅图像去雾；利用训练集对去雾网络模型进行训练，获得训练好的去雾网络模型；将待测试的含雾图像输入至训练好的去雾网络模型，获得去雾图像。本发明解决了现有技术中图像去雾方法的稳定性和精度较差的问题，能够有效提高图像去雾的效果。

公开(公告)号：CN112288630A

公开(公告)日：2021-01-29

申请号：CN202011161696.8

申请日：2020-10-27

Applicant: 武汉大学

Inventor： 杜娟 ,  魏文澜 ,  范赐恩 ,  邹炼 ,  沈家蔚 ,  周紫玉

IPC: G06T3/40

Abstract: 本发明公开了一种基于改进的广泛深度神经网络的超分辨率图像重建方法及系统。本方法主要包括特征提取、非线性映射和重建三个大的模块，其中，特征提取模块主要是利用本发明设计的级联模块结构，引入深度可分离卷积和逐点卷积的思想，从而精简结构，大量减少网络参数和计算量，减轻存储压力和计算复杂度；非线性映射模块主要利用本发明设计的自适应权重共享源模块，引入了跳跃连接，从而提升了网络的性能。本发明在现有的图像超分辨率重建网络基础上提出了新的网络结构，可以有效保证图像重建后的效果，同时做到了网络参数少、计算量小、处理速度快、可移植性强。

公开(公告)号：CN110009565A

公开(公告)日：2019-07-12

申请号：CN201910272182.0

申请日：2019-04-04

Applicant: 武汉大学

Inventor： 杜娟 ,  范赐恩 ,  邹炼 ,  魏文澜 ,  周紫玉 ,  田胜 ,  沈家蔚

IPC: G06T3/40

Abstract: 本发明公开了一种基于轻量化网络的超分辨率图像重建方法。本方法主要包括网络轻量化设计和网络量化设计两个大的模块，其中，网络轻量化模块主要是利用本发明设计的ShuffleNet unit结构改进原有的EDSR网络结构，从而精简结构，大量减少网络参数，减轻存储压力；网络量化模块主要是由网络剪枝、权值共享、霍夫曼编码三部分组成，通过三部分的结合，对网络参数进行了量化，并改变了编码方式，从而极大压缩了网络参数量，提升了计算速度。本发明在现有的图像超分辨率重建网络基础上改进网络结构，并结合多种深度压缩的方法进行优化，可以有效保证图像重建后的效果，同时做到了网络参数少、处理速度快、可移植性强。