-
公开(公告)号：CN114998142B
公开(公告)日：2024-08-06
申请号：CN202210650894.3
申请日：2022-06-08
Applicant: 武汉工程大学
IPC: G06T5/73
Abstract: 本发明提供了一种基于密集特征多监督约束的运动去模糊方法，包括：构建初始运动模糊图像去模糊网络模型，基于图像样本集训练初始运动模糊图像去模糊网络模型，得到目标运动模糊图像去模糊网络模型；获取实时模糊图像，将实时模糊图像输入至目标运动模糊图像去模糊网络模型中，得到恢复清晰图像；初始运动模糊图像去模糊网络模型包括多个编码块构成的编码器、多个解码块构成的解码器、添加在所述多个编码块之间和/或添加在所述多个编解码块之间和/或添加在编码器与解码器之间的多个监督约束模块。本发明通过添加的多个监督约束模块计算的损失值对模型参数进行更新，能够更好的约束模型的训练，从而解决模糊图像恢复效果不佳的问题。
-
公开(公告)号：CN114936984A
公开(公告)日：2022-08-23
申请号：CN202210686845.5
申请日：2022-06-17
Applicant: 武汉工程大学
Abstract: 本发明涉及一种同时对毫米波退化图像去噪去模糊双任务复原方法、装置、电子设备及计算机存储介质，其方法包括：构建毫米波仿真退化图像的训练集和测试集；将训练集图像输入初始双任务网络模型进行训练，直至所述初始双任务网络模型的损失函数达到预设的收敛条件，其中，所述初始双任务网络模型结构包括局部加式残差密集特征融合去噪子网络、局部从低阶到高阶半归一化残差特征密集融合的去噪去模糊子网络及图像重建子网络；将测试集图像输入到训练完成的双任务网络模型，输出测试复原图像。本发明可以有效地平衡毫米波退化图像去噪与去模糊的关系，实现去噪去模糊双任务问题，进而得到一个高质量的清晰图像。
-
公开(公告)号：CN114998142A
公开(公告)日：2022-09-02
申请号：CN202210650894.3
申请日：2022-06-08
Applicant: 武汉工程大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于密集特征多监督约束的运动去模糊方法，包括：构建初始运动模糊图像去模糊网络模型，基于图像样本集训练初始运动模糊图像去模糊网络模型，得到目标运动模糊图像去模糊网络模型；获取实时模糊图像，将实时模糊图像输入至目标运动模糊图像去模糊网络模型中，得到恢复清晰图像；初始运动模糊图像去模糊网络模型包括多个编码块构成的编码器、多个解码块构成的解码器、添加在所述多个编码块之间和/或添加在所述多个编解码块之间和/或添加在编码器与解码器之间的多个监督约束模块。本发明通过添加的多个监督约束模块计算的损失值对模型参数进行更新，能够更好的约束模型的训练，从而解决模糊图像恢复效果不佳的问题。
-
公开(公告)号：CN114936984B
公开(公告)日：2024-11-26
申请号：CN202210686845.5
申请日：2022-06-17
Applicant: 武汉工程大学
IPC: G06T5/60 , G06T5/70 , G06T5/73 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种同时对毫米波退化图像去噪去模糊双任务复原方法、装置、电子设备及计算机存储介质，其方法包括：构建毫米波仿真退化图像的训练集和测试集；将训练集图像输入初始双任务网络模型进行训练，直至所述初始双任务网络模型的损失函数达到预设的收敛条件，其中，所述初始双任务网络模型结构包括局部加式残差密集特征融合去噪子网络、局部从低阶到高阶半归一化残差特征密集融合的去噪去模糊子网络及图像重建子网络；将测试集图像输入到训练完成的双任务网络模型，输出测试复原图像。本发明可以有效地平衡毫米波退化图像去噪与去模糊的关系，实现去噪去模糊双任务问题，进而得到一个高质量的清晰图像。
-
-
-
Search Results
4
records
(took 0.02 seconds)
