-
Patent Agency Ranking
公开(公告)号：CN112801906A
公开(公告)日：2021-05-14
申请号：CN202110146982.5
申请日：2021-02-03
Applicant: 福州大学
Abstract: 本发明涉及一种基于循环神经网络的循环迭代图像去噪方法，包括以下步骤:步骤S1:获取成对的原始噪声图像和无噪声图像并预处理，得到用于训练的噪声图像和无噪声图像的成对图像块；步骤S2:构建基于循环神经网络的循环迭代图像去噪网络，并使用噪声图像和无噪声图像的成对图像块训练；步骤S3:将待测原始噪声图像输入训练后的去噪网络，得到去噪图像。本发明通过循环迭代的方式将噪声去除的更干净的同时保留更多的图像细节，从而有效地重建去噪图像。
-
公开(公告)号：CN112767280A
公开(公告)日：2021-05-07
申请号：CN202110134465.6
申请日：2021-02-01
Applicant: 福州大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于循环迭代机制的单幅图像雨滴去除方法。包括：对原始附着雨滴退化图像和干净图像的训练图像对进行预处理，得到原始附着雨滴退化图像和干净图像的训练图像对组成的图像块数据集；利用不断迭代去雨的动机，设计一个单幅图像雨滴去除的卷积神经网络；设计一个用于优化网络的目标损失函数loss，以图像块数据集为训练数据，根据所设计的目标损失函数loss，利用反向传播方法计算所设计的图像雨滴去除卷积神经网络中各参数的梯度，并利用随机梯度下降方法更新参数，最终学习到模型的最优参数；将待测图像输入，利用训练好的模型预测生成雨滴去除之后的干净图像。本发明方法能显著提高图像雨滴去除的性能，同时大大减少了其网络参数大小。
-
公开(公告)号：CN112801906B
公开(公告)日：2023-02-21
申请号：CN202110146982.5
申请日：2021-02-03
Applicant: 福州大学
IPC: G06T5/00 , G06N3/0442 , G06N3/084
Abstract: 本发明涉及一种基于循环神经网络的循环迭代图像去噪方法，包括以下步骤:步骤S1:获取成对的原始噪声图像和无噪声图像并预处理，得到用于训练的噪声图像和无噪声图像的成对图像块；步骤S2:构建基于循环神经网络的循环迭代图像去噪网络，并使用噪声图像和无噪声图像的成对图像块训练；步骤S3:将待测原始噪声图像输入训练后的去噪网络，得到去噪图像。本发明通过循环迭代的方式将噪声去除的更干净的同时保留更多的图像细节，从而有效地重建去噪图像。
-
公开(公告)号：CN112767280B
公开(公告)日：2022-06-14
申请号：CN202110134465.6
申请日：2021-02-01
Applicant: 福州大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于循环迭代机制的单幅图像雨滴去除方法。包括：对原始附着雨滴退化图像和干净图像的训练图像对进行预处理，得到原始附着雨滴退化图像和干净图像的训练图像对组成的图像块数据集；利用不断迭代去雨的动机，设计一个单幅图像雨滴去除的卷积神经网络；设计一个用于优化网络的目标损失函数loss，以图像块数据集为训练数据，根据所设计的目标损失函数loss，利用反向传播方法计算所设计的图像雨滴去除卷积神经网络中各参数的梯度，并利用随机梯度下降方法更新参数，最终学习到模型的最优参数；将待测图像输入，利用训练好的模型预测生成雨滴去除之后的干净图像。本发明方法能显著提高图像雨滴去除的性能，同时大大减少了其网络参数大小。
-
公开(公告)号：CN115205544A
公开(公告)日：2022-10-18
申请号：CN202210886196.3
申请日：2022-07-26
Applicant: 福州大学
Abstract: 本发明涉及一种基于前景参考图像的合成图像和谐化方法及系统，该方法包括：利用原始合成图像的前景掩膜及目标检测预训练模型对原始合成图像进行处理，得到前景图像的参考图像，并对真实标签图像、原始合成图像和参考图像进行图像预处理，得到训练集；构建基于前景参考图像的双分支合成图像和谐化网络，该网络由三个部分组成，分别为背景特征提取融合模块、前景参考图像特征提取融合模块和双分支特征融合微调模块；构建合成图像和谐化网络的目标损失函数；使用训练集图像训练所述合成图像和谐化网络；将新的合成图像进行前景参考图像提取，然后输入训练好的合成图像和谐化模型，输出经过和谐化的图像。该方法及系统有利于提高合成图像和谐化质量。
-
-
-
-
Search Results
5
records
(took 0.012 seconds)
