-
公开(公告)号：CN114862713A
公开(公告)日：2022-08-05
申请号：CN202210475542.9
申请日：2022-04-29
Applicant: 西安理工大学
Abstract: 本发明公开了基于注意力平滑膨胀卷积的两阶段图像去雨方法，由以下步骤组成：步骤S1：通过引导滤波器将原始雨天图像进行边缘移除并不断迭代直到得到完整的雨纹信息图，步骤S2：在雨纹信息图的引导下，对原始雨天图像中的雨纹信息进行提取，生成雨纹注意力图，步骤S3：将原始雨天图像和雨纹注意力图输入第一平滑膨胀卷积网络中，提取不同感受野的特征获得残差图，通过原始雨天图像减去残差图获得去雨纹图像；步骤S4：将去雨纹图像输入第二平滑膨胀卷积网络，将去雨纹图像内的类雾降质进行去除得到去雨去雾图像；本发明考虑了雨纹和雨雾混合降质，在真实雨天图像的处理上表现出优越性，在提高图像质量的同时，很好保持了细小边缘纹理。
-
公开(公告)号：CN114862711A
公开(公告)日：2022-08-05
申请号：CN202210474048.0
申请日：2022-04-29
Applicant: 西安理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于双重互补先验约束的低照度图像增强与去噪方法，该方法如下：求解光照分量，并确保光照分量中不含有噪声，所有噪声都包含在反射分量中；基于非局部自相似性原理，为反射分量构建噪声去除内部先验约束；基于大量自然图像，为增强后图像构建噪声去除外部先验约束；结合上述构建的内部和外部先验约束，使两种先验约束动态互补，求取最后的增强结果。采用该方法解决了低照度图像增强技术中的噪声放大问题。
-
公开(公告)号：CN114862713B
公开(公告)日：2023-07-25
申请号：CN202210475542.9
申请日：2022-04-29
Applicant: 西安理工大学
IPC: G06T5/00 , G06N3/0464 , G06N3/045 , G06N3/094 , G06N3/0442 , G06N3/0475
Abstract: 本发明公开了基于注意力平滑膨胀卷积的两阶段图像去雨方法，由以下步骤组成：步骤S1：通过引导滤波器将原始雨天图像进行边缘移除并不断迭代直到得到完整的雨纹信息图，步骤S2：在雨纹信息图的引导下，对原始雨天图像中的雨纹信息进行提取，生成雨纹注意力图，步骤S3：将原始雨天图像和雨纹注意力图输入第一平滑膨胀卷积网络中，提取不同感受野的特征获得残差图，通过原始雨天图像减去残差图获得去雨纹图像；步骤S4：将去雨纹图像输入第二平滑膨胀卷积网络，将去雨纹图像内的类雾降质进行去除得到去雨去雾图像；本发明考虑了雨纹和雨雾混合降质，在真实雨天图像的处理上表现出优越性，在提高图像质量的同时，很好保持了细小边缘纹理。
-
Patent Agency Ranking
公开(公告)号：CN114862711B
公开(公告)日：2023-03-31
申请号：CN202210474048.0
申请日：2022-04-29
Applicant: 西安理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于双重互补先验约束的低照度图像增强与去噪方法，该方法如下：求解光照分量，并确保光照分量中不含有噪声，所有噪声都包含在反射分量中；基于非局部自相似性原理，为反射分量构建噪声去除内部先验约束；基于大量自然图像，为增强后图像构建噪声去除外部先验约束；结合上述构建的内部和外部先验约束，使两种先验约束动态互补，求取最后的增强结果。采用该方法解决了低照度图像增强技术中的噪声放大问题。
-
公开(公告)号：CN113808036B
公开(公告)日：2023-02-24
申请号：CN202111009793.X
申请日：2021-08-31
Applicant: 西安理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于Retinex模型的低照度图像增强与去噪方法，首先用图像采集设备获取待增强的低照度图像；然后将低照度图像分解为光照分量L和反射分量R两个未知分量，根据先验特征为光照分量L和反射分量R构建先验约束；引入变量B代表无噪声的低照度图像，根据图像非局部相似性，为无噪声的低照度图像B构建无噪声的先验约束条件，结合光照分量L和反射分量R的先验约束条件，构建分解优化目标函数；并进行求解，判断是否达到可行性解；最终的增强结果表示为Lγ⊙R，其中γ为校正因子，Lγ表示反射分量L矩阵中的每个元素的γ次方，⊙表示矩阵中对应元素相乘。本发明解决了现有技术中存在的低照度图像增强后噪声较大的问题。
-
公开(公告)号：CN112734763B
公开(公告)日：2022-09-16
申请号：CN202110125214.1
申请日：2021-01-29
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于卷积与K‑SVD字典联合稀疏编码的图像分解方法，首先对获取的彩色图像进行预处理，得到待分解图像；然后将待分解图像分解为两个未知分量的线性叠加；依据两个未知分量的先验特征，构建先验约束；最后通过交替优化对两个未知分量进行求解；依据收敛条件，判断是否达到可行性解。本发明可用于图像去噪，依据不同噪声类型学习得到一组卷积算子，通过更新卷积核和响应系数逼近噪声，该方法能动态应用于多种噪声类型，克服了依据噪声类型构建不同正则化约束项的缺点。
-
公开(公告)号：CN112734763A
公开(公告)日：2021-04-30
申请号：CN202110125214.1
申请日：2021-01-29
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于卷积与K‑SVD字典联合稀疏编码的图像分解方法，首先对获取的彩色图像进行预处理，得到待分解图像；然后将待分解图像分解为两个未知分量的线性叠加；依据两个未知分量的先验特征，构建先验约束；最后通过交替优化对两个未知分量进行求解；依据收敛条件，判断是否达到可行性解。本发明可用于图像去噪，依据不同噪声类型学习得到一组卷积算子，通过更新卷积核和响应系数逼近噪声，该方法能动态应用于多种噪声类型，克服了依据噪声类型构建不同正则化约束项的缺点。
-
公开(公告)号：CN113808036A
公开(公告)日：2021-12-17
申请号：CN202111009793.X
申请日：2021-08-31
Applicant: 西安理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于Retinex模型的低照度图像增强与去噪方法，首先用图像采集设备获取待增强的低照度图像；然后将低照度图像分解为光照分量L和反射分量R两个未知分量，根据先验特征为光照分量L和反射分量R构建先验约束；引入变量B代表无噪声的低照度图像，根据图像非局部相似性，为无噪声的低照度图像B构建无噪声的先验约束条件，结合光照分量L和反射分量R的先验约束条件，构建分解优化目标函数；并进行求解，判断是否达到可行性解；最终的增强结果表示为Lγ⊙R，其中γ为校正因子，Lγ表示反射分量L矩阵中的每个元素的γ次方，⊙表示矩阵中对应元素相乘。本发明解决了现有技术中存在的低照度图像增强后噪声较大的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.031 seconds)
