-
公开(公告)号：CN111798400B
公开(公告)日：2022-10-11
申请号：CN202010700648.5
申请日：2020-07-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于生成对抗网络的无参考低光照图像增强方法及系统，该方法包括以下步骤：分别对原始分辨率的低光照图像和正常光照图像进行预处理，得到用于训练的不成对的低光照图像块和正常光照图像块；构建用于低光照增强的生成器网络和用于进行对抗训练的判别器网络；使用低光照图像块和正常光照图像块交替训练生成器网络和判别器网络收敛到纳什平衡；将用于测试的原始低光照图像输入训练好的生成器网络预测其增强后的图像。该方法及系统有利于提高低光照图像增强的质量。
-
公开(公告)号：CN111145123A
公开(公告)日：2020-05-12
申请号：CN201911387476.4
申请日：2019-12-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于U-Net融合保留细节的图像去噪方法，该方法包括以下步骤：步骤A：设置两种不同的去噪参数进行去噪，获得对应两种不同去噪参数的初始去噪结果图像；步骤B：分别将初始去噪结果图像，以及无噪声图像分成图像块，获得图像块对训练集；步骤C：使用步骤B获得的图像块对训练集，训练基于U-Net的图像融合深度网络，获得对应特定噪声幅度的基于U-Net图像融合模型；步骤D：对于噪声图像，首先获得对应步骤A的不同去噪参数的去噪结果，然后输入到步骤C训练好的基于U-Net图像融合模型中进行融合，获得最终的去噪结果。这种方法可以有效优化图像去噪方法的去噪效果，在去除噪声的同时保留更多的图像细节。
-
公开(公告)号：CN113657380A
公开(公告)日：2021-11-16
申请号：CN202110944392.7
申请日：2021-08-17
Applicant: 福州大学
Abstract: 本发明提出融合多模态注意力机制的图像美学质量评价方法，包括以下步骤；步骤S1：对美学图像数据集中的数据进行数据预处理，提取美学图像所对应文本的文本特征，并将数据集划分为训练集与测试集；步骤S2：设计融合文本特征和图像特征的多模态注意力机制模块；步骤S3：设计融合多模态注意力机制的图像美学评分分布预测网络，使用该网络训练融合多模态注意力机制的图像美学评分分布预测网络模型；步骤S4：将图像输入到融合多模态注意力机制的图像美学评分分布预测网络模型中，输出对应的图像美学评分分布，最后计算美学评分分布的平均值作为图像美学质量分数；本发明能实现视觉特征与美学文本特征相互指导与融合，提高图像美学质量评估方法的性能。
-
Patent Agency Ranking
公开(公告)号：CN112767386A
公开(公告)日：2021-05-07
申请号：CN202110134073.X
申请日：2021-02-01
Applicant: 福州大学
Abstract: 本发明涉及一种基于主题特征和评分分布的图像美学质量评价方法及系统。该方法包括：将美学图像数据集中的数据进行预处理，划分为训练集与测试集，并为训练集中的每个图像创建对应的主题；设计图像主题特征分类网络、图像美学评分分布预测网络，并训练图像主题分类模型、美学评分分布预测模型；设计图像主题特征分类与美学评分分布预测的多任务网络，将图像主题分类模型与美学评分分布预测模型通过层特征融合连接起来，并训练多任务模型；将图像输入到多任务模型，输出对应的美学评分分布与主题特征，最后计算美学评分分布的平均值作为图像美学质量分数。本发明能同时进行图像的主题特征预测与美学评分分布预测，并提高图像美学质量评估算法性能。
-
公开(公告)号：CN113657380B
公开(公告)日：2023-08-18
申请号：CN202110944392.7
申请日：2021-08-17
Applicant: 福州大学
IPC: G06V30/19 , G06V30/166 , G06V30/18 , G06V10/32 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出融合多模态注意力机制的图像美学质量评价方法，包括以下步骤；步骤S1：对美学图像数据集中的数据进行数据预处理，提取美学图像所对应文本的文本特征，并将数据集划分为训练集与测试集；步骤S2：设计融合文本特征和图像特征的多模态注意力机制模块；步骤S3：设计融合多模态注意力机制的图像美学评分分布预测网络，使用该网络训练融合多模态注意力机制的图像美学评分分布预测网络模型；步骤S4：将图像输入到融合多模态注意力机制的图像美学评分分布预测网络模型中，输出对应的图像美学评分分布，最后计算美学评分分布的平均值作为图像美学质量分数；本发明能实现视觉特征与美学文本特征相互指导与融合，提高图像美学质量评估方法的性能。
-
公开(公告)号：CN112767386B
公开(公告)日：2022-09-06
申请号：CN202110134073.X
申请日：2021-02-01
Applicant: 福州大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于主题特征和评分分布的图像美学质量评价方法及系统。该方法包括：将美学图像数据集中的数据进行预处理，划分为训练集与测试集，并为训练集中的每个图像创建对应的主题；设计图像主题特征分类网络、图像美学评分分布预测网络，并训练图像主题分类模型、美学评分分布预测模型；设计图像主题特征分类与美学评分分布预测的多任务网络，将图像主题分类模型与美学评分分布预测模型通过层特征融合连接起来，并训练多任务模型；将图像输入到多任务模型，输出对应的美学评分分布与主题特征，最后计算美学评分分布的平均值作为图像美学质量分数。本发明能同时进行图像的主题特征预测与美学评分分布预测，并提高图像美学质量评估算法性能。
-
公开(公告)号：CN111145123B
公开(公告)日：2022-06-14
申请号：CN201911387476.4
申请日：2019-12-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于U‑Net融合保留细节的图像去噪方法，该方法包括以下步骤：步骤A：设置两种不同的去噪参数进行去噪，获得对应两种不同去噪参数的初始去噪结果图像；步骤B：分别将初始去噪结果图像，以及无噪声图像分成图像块，获得图像块对训练集；步骤C：使用步骤B获得的图像块对训练集，训练基于U‑Net的图像融合深度网络，获得对应特定噪声幅度的基于U‑Net图像融合模型；步骤D：对于噪声图像，首先获得对应步骤A的不同去噪参数的去噪结果，然后输入到步骤C训练好的基于U‑Net图像融合模型中进行融合，获得最终的去噪结果。这种方法可以有效优化图像去噪方法的去噪效果，在去除噪声的同时保留更多的图像细节。
-
公开(公告)号：CN111798400A
公开(公告)日：2020-10-20
申请号：CN202010700648.5
申请日：2020-07-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于生成对抗网络的无参考低光照图像增强方法及系统，该方法包括以下步骤：分别对原始分辨率的低光照图像和正常光照图像进行预处理，得到用于训练的不成对的低光照图像块和正常光照图像块；构建用于低光照增强的生成器网络和用于进行对抗训练的判别器网络；使用低光照图像块和正常光照图像块交替训练生成器网络和判别器网络收敛到纳什平衡；将用于测试的原始低光照图像输入训练好的生成器网络预测其增强后的图像。该方法及系统有利于提高低光照图像增强的质量。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
