-
公开(公告)号：CN117974459A
公开(公告)日：2024-05-03
申请号：CN202410146055.7
申请日：2024-02-02
申请人： 重庆邮电大学
IPC分类号： G06T5/00 , G06T5/60 , G06T5/92 , G06T5/40 , G06N3/0464 , G06N3/0895
摘要： 本发明涉及一种用于低照度环境下的图像增强方法，属于图像处理领域。该方法结合了物理模型和多重先验知识，采用半监督学习策略，旨在有效地处理和增强低照度图像。首先，利用基于大气散射模型对低照度图像进行建模；其次，构建一个深度神经网络模型，并利用现有成对数据集对其进行预训练；然后利用网络模型对物理模型中的参数进行估计和增强低照度图像；然后，利用物理先验做同样的操作，即对物理模型中的参数进行估计和增强图像；然后，基于上述两种计算方法计算损失，不断更新增强网络中的超参数达到满意的增强效果；最后，利用训练好的网络模型对低照度图像进行增强。本发明的方法不仅提高了低照度图像的亮度和对比度，还保持了图像的自然真实感，通过结合物理模型和多重先验知识，本发明能够适应各种低照度环境，提供准确和自然的图像增强效果，此外，该方法的自主学习能力使其能够针对不断变化的环境和图像特征进行优化，提高了模型的泛化能力和实用性。
-
公开(公告)号：CN118134789A
公开(公告)日：2024-06-04
申请号：CN202410254294.4
申请日：2024-03-06
申请人： 重庆邮电大学
IPC分类号： G06T5/60 , G06T5/40 , G06T5/50 , G06T5/70 , G06T5/90 , G06N3/045 , G06N3/0464 , G06N3/0895
摘要： 本发明涉及一种基于盲点网络的低照度图像自监督增强方法，属于图像处理技术领域。该方法包括：将低照度图像在RGB空间进行分区域增强和在HSV空间的V空间进行增强，将两者融合得到亮度增强图像；将亮度增强图像在像素混洗下采样，并通过PD操作解耦每一个像素与其相邻像素之间的相关性；将PD操作后的输入图像输入深度盲点卷积模块，经过深度盲点卷积和点向盲点卷积运算并将两者卷积后的图形进行融合，得到输出特征；将输出特征输入到残差注意力优化模块，通过通道注意力机制和空间注意力机制提取特征信息得到新的特征层；将新的特征层进行卷积操作得到三通道图像，对三通道图像进行PD反操作输出最终的正常增强后图像。
-
公开(公告)号：CN116206244A
公开(公告)日：2023-06-02
申请号：CN202310209559.4
申请日：2023-03-07
申请人： 重庆邮电大学
IPC分类号： G06V20/40 , G06V10/32 , G06V10/764 , G06V10/74 , G06V10/40 , G06V10/54 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明涉及一种基于多层注意力特征增强的目标跟踪方法，属于目标跟踪领域，包括以下步骤：S1：构建基于孪生网络的目标跟踪网络，使用修改后的ResNet50为主干网络，对模板图片和搜索图片进行特征提取；S2：在主干网络中的后三层中嵌入特征增强模块来选择性地增强有用的特征；S3：将主干网络提取的模板特征和搜索特征进行互相关操作得到响应图；S4：将互相关特征图进行分类与回归，在多个预测框中获得最佳跟踪框，从而实现跟踪，并对模板图片进行在线更新。本发明使特征交互更加频繁，增强特征的表达能力，使跟踪器得到更加准确的目标定位信息，本发明还很大程度上抵御了相似背景的干扰。
-
-
搜索结果
3 条记录 (耗时 0.022 秒)