公开(公告)号：CN119831870A

公开(公告)日：2025-04-15

申请号：CN202311326939.2

申请日：2023-10-13

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 罗欣 ,  宋依芸 ,  林鹏 ,  郑进军 ,  陈奋 ,  贾海涛 ,  李海

IPC: G06T5/60 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明提出了一种多尺度低照度图像增强网络模型。近年来，图像增强技术已广泛应用于刑事侦查、医学成像等领域。然而，在低照度环境下拍摄的图像会存在亮度低、对比度低、颜色失真等情况，这些现象不仅会降低用户的视觉体验，还会干扰场景分析，对目标跟踪、图像融合等后续计算机视觉任务造成困难。针对图像增强中没有考虑多尺度以及通道等信息的问题。本发明引入了一种多层特征提取模块，提取多尺度特征，同时实现高低频特征的信息交互，节约计算量。同时利用空洞卷积扩大感受野。并在多层特征提取模块与最后引入残差结构，解决卷积过程中低层信息损失等问题。本项发明所提出的多尺度低照度图像增强网络模型，其拥有多层特征提取模块以及空洞卷积扩大感受野等有效技术手段，可极大地提高低照度图像的亮度、对比度和颜色还原度，进而解决该类图像存在的问题。除此之外，这种创新性的技术模型，具备广泛的应用前景，可广泛应用于刑事侦查、医学成像等领域，并有可能不断推动和促进图像增强技术的发展，为相关领域的研究和实践带来更加深远的影响和价值。

公开(公告)号：CN119151806A

公开(公告)日：2024-12-17

申请号：CN202310696472.4

申请日：2023-06-13

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 罗欣 ,  宋依芸 ,  冯倩 ,  韦祖棋 ,  林鹏 ,  许文波 ,  贾海涛 ,  常乐

IPC: G06T5/60 ,  G06T5/70 ,  G06T5/92 ,  G06T5/94 ,  G06T5/20 ,  G06T5/50

Abstract: 本发明公开了一种基于深度学习的无人机图像增强方法。该发明针对RetinexNet算法对于图像中已经足够亮的像素，仍会进行增强处理，导致图像失真和信息丢失的问题，利用基于皮尔生长曲线对图像进行自适应亮度伽马校正，通过对图像的每个像素进行非线性变换来调整亮度，使其在人眼中具有更加平均的感知。针对RetinexNet算法会引入新的噪声的问题，本发明在Retinex分解模块引入引导滤波来替代高斯滤波对图像进行平滑去噪，利用高质量的引导图像来引导滤波器进行滤波，从而保留原始图像的边缘和细节；然后设计了基于引导滤波的Retinex分解模块，更好的计算图像的反射分量和光照分量。

公开(公告)号：CN119131101A

公开(公告)日：2024-12-13

申请号：CN202310701044.6

申请日：2023-06-13

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 罗欣 ,  韦祖棋 ,  冯倩 ,  宋依芸 ,  林鹏 ,  许文波 ,  冷庚 ,  常乐

IPC: G06T7/50 ,  G06V10/52 ,  G06V10/44 ,  G06V10/74 ,  G06V10/82 ,  G06N3/044 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明针对利用多视无人机序列图像进行大范围场景的三维重建任务时，存在模型细节还原度不高，算力和存储资源要求高，建模时间长等问题，设计了一种基于动态多尺度特征和内容感知聚合的深度估计网络。高精度的深度估计是实现高精度三维重建的重要保障，该网络以多视角立体网络MVSNet为基础，引入了动态多尺度特征提取网络、轻量级代价体、内容感知的代价体聚合模块和循环卷积混合网络，能够提取出图像中更丰富更深层次的深度信息，且在运行效率方面也有优秀的表现。