集成低频信息的多尺度低照度双目立体图像增强方法

    公开(公告)号:CN118096561A

    公开(公告)日:2024-05-28

    申请号:CN202410225999.3

    申请日:2024-02-29

    摘要: 本发明公开了集成低频信息的多尺度低照度双目立体图像增强方法,获取原始低照度双目立体图像低频信息,将原始低照度双目立体图像低频信息与原始低照度双目立体图像作为训练样本;构建基于图像增强的卷积神经网络,将训练样本输入卷积神经网络进行图像的特征增强、特征分解、跨视图特征交互、特征提取、跨尺度特征交互、特征融合,得到恢复的图像;设计基于图像增强的卷积神经网络的损失函数,通过恢复的图像的损失确定优化的基于图像增强的卷积神经网络,对将待增强的低照度双目立体图像进行图像增强;本发明方法解决了现有方法对于噪声的忽略以及不能适应不同视差的问题,能够提高鲁棒性,在很好的恢复颜色细节信息的同时,去除大量噪声。

    多尺度注意力前向短时间隔帧预测的视频异常检测方法

    公开(公告)号:CN118823632A

    公开(公告)日:2024-10-22

    申请号:CN202410810336.8

    申请日:2024-06-21

    摘要: 本发明公开了多尺度注意力前向短时间隔帧预测的视频异常检测方法,首先给定视频帧序列,构建编码器网络提取序列的初级时空特征;在编码器和解码器之间的跳跃连接过程中使用多尺度特征提取模块对初级时空特征中的不同尺度目标进行多尺度特征提取;然后利用有效通道注意力剔除提取到的特征信息中的冗余信息;解码器通过提取的多尺度特征进行未来短时间隔帧预测;构建预测模型的损失函数;最后迭代训练模型并得到能够预测接近真实帧的模型;步骤7、通过计算预测帧和真实帧之间的多尺度预测误差进行视频异常检测。本发明能够对视频帧中不同尺度目标的特征进行充分提取,增强网络预测帧保持在未来和历史序列的运动一致性,有效提升异常检测的精度。