一种改进颜色衰减先验并结合AOD-Net的图像去雾方法和系统

    公开(公告)号:CN116563143A

    公开(公告)日:2023-08-08

    申请号:CN202310426586.7

    申请日:2023-04-19

    申请人: 武汉大学

    摘要: 本发明涉及图像增强领域,具体涉及一种改进颜色衰减先验并结合AOD‑Net的图像去雾方法和系统,所述方法首先通过改进传统的颜色衰减去雾方法,对大气光值A和景深图d(x)的求取方法进行改进,利用改进后的方法对图像进行预处理,将处理后的图像作为AOD‑Net网络的输入,利用神经网络去图像的质量提升作用,使用L1和perceptual loss相结合的损失监督函数作为网络的监督函数,使得去雾后的图像更符合人眼的视觉效果,最后将改进后的整个算法进行DSP移植,使得该算法具有实际的工程意义。本发明基于传统方法与深度神经网络,将传统方法进行预处理后的图像作为网络的输入,推升去雾效果,使得图像的去雾具有更实际的使用效果。

    一种彩色激光打印机特性化样本优化方法

    公开(公告)号:CN114115762B

    公开(公告)日:2023-10-20

    申请号:CN202111320415.3

    申请日:2021-11-09

    申请人: 武汉大学

    IPC分类号: G06F3/12

    摘要: 本发明提供了一种彩色激光打印机特性化样本优化方法。该方法包括:首先制作初始化样本集R0,为RGB色空间的8个顶点,作为生成彩色激光打印特性化关系的原始样本集。同时需要制作超样本集S和测试样本集T,在RGB色空间的每一维度均匀采样,制作超样本集S和测试样本集T交集应尽可能为空集。再用上述所得的色彩特性化结果去预测超样本集S的预测值和测量值之间的DE2000色差,将色差最大的一个加入到当前特性化样本集中,计算的DE2000色差,包括平均色差、最大色差和最小色差。经过上述迭代,直到所得到的精度结果尽可能的符合要求。本方法流程可以与常用的经典的用于设备特性化样本集TC2.83和TC9.18色卡相比较,在得到较为相同的效果上使用的色样本数较少。

    一种彩色激光打印机特性化样本优化方法

    公开(公告)号:CN114115762A

    公开(公告)日:2022-03-01

    申请号:CN202111320415.3

    申请日:2021-11-09

    申请人: 武汉大学

    IPC分类号: G06F3/12

    摘要: 本发明提供了一种彩色激光打印机特性化样本优化方法。该方法包括:首先制作初始化样本集R0,为RGB色空间的8个顶点,作为生成彩色激光打印特性化关系的原始样本集。同时需要制作超样本集S和测试样本集T,在RGB色空间的每一维度均匀采样,制作超样本集S和测试样本集T交集应尽可能为空集。再用上述所得的色彩特性化结果去预测超样本集S的预测值和测量值之间的DE2000色差,将色差最大的一个加入到当前特性化样本集中,计算的DE2000色差,包括平均色差、最大色差和最小色差。经过上述迭代,直到所得到的精度结果尽可能的符合要求。本方法流程可以与常用的经典的用于设备特性化样本集TC2.83和TC9.18色卡相比较,在得到较为相同的效果上使用的色样本数较少。