公开(公告)号：CN117522736A

公开(公告)日：2024-02-06

申请号：CN202311517957.9

申请日：2023-11-15

Applicant: 福州大学

Inventor： 牛玉贞 ,  何玉琦 ,  陈思灵 ,  陈子阳

IPC: G06T5/73 ,  G06T5/70 ,  G06V10/774 ,  G06V10/86 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明涉及基于视差校正和选择融合的双像素散焦图像去模糊方法。包括：对散焦模糊图像左、右视图和对应的清晰图像进行数据预处理；设计基于视差校正和选择融合的双像素散焦图像去模糊网络；设计用于优化网络的损失函数，使用训练数据集训练，学习双像素散焦图像去模糊网络模型的最优参数，得到最终的双像素散焦图像去模糊网络模型；将待测散焦模糊图像左、右视图输入到双像素散焦图像去模糊网络模型中，预测生成去除散焦模糊后的清晰图像。本发明通过对齐双像素散焦图像中左、右视图，同时考虑左、右视图清晰区域对图像重建的重要性，有效地去除双像素图像散焦模糊。

公开(公告)号：CN115731199A

公开(公告)日：2023-03-03

申请号：CN202211486776.X

申请日：2022-11-24

Applicant: 福州大学

Inventor： 牛玉贞 ,  张凌昕 ,  李悦洲 ,  何玉琦

IPC: G06T7/00 ,  G06T5/00 ,  G06T5/50 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明涉及一种基于小波变换的非成对水下图像增强方法。包括：将待训练的非成对的数据进行预处理；设计基于小波变换的水下图像增强网络，对输入图像的低频和高频部分进行分别处理，再对高频部分和低频部分进行结合；搭建循环生成对抗网络框架，与基于小波变换的水下图像质量增强网络结合得到基于小波变换的非成对水下图像增强网络；设计用于训练非成对水下图像增强网络的目标损失函数；使用非成对的图像训练基于小波变换的非成对水下图像增强网络收敛到纳什平衡；将待增强水下图像进行归一化处理，然后输入训练好的水下图像增强模型，输出增强图像。本发明能对水下图像进行增强，运用非成对水下图像进行模型训练，解决水下图像失真问题。

公开(公告)号：CN115797304A

公开(公告)日：2023-03-14

申请号：CN202211575974.3

申请日：2022-12-08

Applicant: 福州大学

Inventor： 陈羽中 ,  陈友昆 ,  牛玉贞 ,  何玉琦

IPC: G06T7/00 ,  G06T7/13 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及基于边缘特征引导的无参考屏幕内容图像质量评估方法。包括以下步骤：S1：首先利用高斯拉普拉斯算子生成对应失真屏幕内容图像数据集的边缘结构图数据集；S2：设计多尺度边缘特征引导网络；S3：设计位置注意力模块，形成不同尺度特征的全局信息表示；S4：设计渐进式特征融合模块，该模块通过自顶向下的方式逐步聚合各个尺度的特征，以形成失真图像的多尺度特征表示；S5：设计基于边缘特征引导的图像质量评估网络；S6：输出失真图像的质量评估分数。应用本技术方案既可以通过不同深度的网络有效提取屏幕内容图像低层的细节信息和深层的语义信息，又能通过边缘结构图对图像的浅层边缘信息作为补充。

公开(公告)号：CN117893446A

公开(公告)日：2024-04-16

申请号：CN202410080941.4

申请日：2024-01-19

Applicant: 福州大学

Inventor： 牛玉贞 ,  何玉琦 ,  杨诗韵

IPC: G06T5/73 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及基于记忆查询Transformer的散焦图像去模糊方法；包括以下步骤：对散焦模糊图像和对应的清晰图像进行数据预处理，得到由散焦模糊图像和对应的清晰图像组成的训练数据集；设计基于记忆查询Transformer的散焦图像去模糊网络，该散焦图像去模糊网络由输入映射模块、基于记忆查询Transformer的去模糊网络和输出映射模块组成；设计用于优化网络的损失函数，使用训练数据集训练，学习散焦图像去模糊网络模型的最优参数，得到最终的散焦图像去模糊网络模型；将待测散焦模糊图像输入到训练好的散焦图像去模糊网络模型中，预测生成去除散焦模糊后的清晰图像。