-
公开(公告)号:CN116723365A
公开(公告)日:2023-09-08
申请号:CN202310683868.5
申请日:2023-06-10
Applicant: 福州大学
Abstract: 本发明涉及一种基于彩色及黑白双摄像头的夜景成像方法及系统。所述方法:首先,用户按下快门,系统自动设置彩色及黑白双摄像头的拍摄参数,通过快门同时获取到低ISO的彩色图像和高ISO的黑白图像;其次,为了得到高质量的成像结果,在低光退化矫正模型(LDRM)中利用黑白图像指导彩色图像增强得到最终高质量成像,其中采用加性矫正网络对彩色图像初步增强,再采用乘性矫正网络利用黑白图像指导彩色图像做精细地增强;最后,利用训练模型预测出的结果与原始未增强的彩色图像进行对比,判断任务中目标的完成情况。本发明较采用其他低光照增强方法相比在准确率性能上表现最好,并且在主观效果上有着出色的表现,在实际低光成像应用场景中优势明显。
-
公开(公告)号:CN111798473A
公开(公告)日:2020-10-20
申请号:CN202010696030.6
申请日:2020-07-20
Applicant: 福州大学
Abstract: 本发明涉及一种基于弱监督学习的图像协同分割方法,包括以下步骤:步骤S1:获取一组包含m张图像的图像集,并设置高斯模型个数和加权参数;步骤S2:采用高斯模型将第i个图像聚成k个类,并计算图像的前景概率图;步骤S3:将所有边界高斯分布视为背景查询,激活图像集的前景概率图;步骤S4:生成图像协同分割的结果并用图像的连通性进行处理,得到二进制图像集,即为所得图像协同分割的结果。本发明将图像边界作为弱监督先验嵌入到协同分割的问题公式中去,得到二进制图像集,并结合图的连通性实现图像协同分割。
-
公开(公告)号:CN111814896A
公开(公告)日:2020-10-23
申请号:CN202010696076.8
申请日:2020-07-20
Applicant: 福州大学
Abstract: 本发明涉及一种面向多视图特征融合与聚类的联合优化方法,包括以下步骤:步骤S1:获取待聚类图像数据的若干个视图以及聚成的类别数;步骤S2:初始化相关参数和矩阵变量;步骤S3:将面向多视图特征融合与聚类的联合优化问题表示为共享指示矩阵和对应各个视图系数矩阵的矩阵分解范式,写出损失函数,确认优化目标;步骤S4:更新各项参数,直至收敛或达到最大迭代次数;步骤S5:计算得到收敛的共享聚类指示矩阵,以对每个样本标签进行分配,得到最优的聚类结果。本发明面向多视图特征,能够实现准确的聚类。
-
-