一种基于深度卷积神经网络的单幅图像去雾方法

    公开(公告)号:CN107958465A

    公开(公告)日:2018-04-24

    申请号:CN201710990515.4

    申请日:2017-10-23

    摘要: 本发明涉及基于深度卷积神经网络的单幅图像去雾方法,步骤包括:获得输入图像,并将其经由预先训练好的粗景深图像提取网络处理,得到粗景深图像;构建景深图像细化网络;将粗景深图像和输入图像作为共同的输入送到景深图像细化网络中,得到精细化的景深图像;对大气散射系数进行估计,求解出透射率图像,对大气光值进行估计,最后根据大气散射模型的数学表达式,对输入图像进行去雾清晰化处理。本发明使用了深度卷积神经网络,能够较好地反映图像及其对应真实景深的图像之间的关系,并且对估计的大气光值进行了预处理使得其具有很强的适应性能,能在多种场景下实现较好地去雾清晰化,图像视觉还原效果极佳。

    一种基于单幅图像的三维场景结构建模与注册方法

    公开(公告)号:CN104376596B

    公开(公告)日:2017-05-31

    申请号:CN201410715176.5

    申请日:2014-11-28

    IPC分类号: G06T17/00

    摘要: 本发明公开了一种基于单幅图像的三维场景结构建模与注册方法,属于虚拟现实技术领域。本方法通过对图像中直线特征的分析来实现相机的标定;然后使用分类直线进行面支撑关系的性质分析,进而得到初步的场景结构;接下来通过少量用户交互操作,优化该场景结构,以完成对整个图像中场景结构的建模;最后通过直线特征将不同相机采集得到图像下的三维场景结构注册到一个统一三维场景之中,从而将其应用到大范围场景结构建模。本发明只需要少量的用户交互式操作,就可以快速得到相应的三维场景结构信息,既能保证场景结构建模的完整性,又可有效地降低三维建模的成本,使得大范围场景结构的三维重建变得更加容易。

    基于2D拍摄图像实现3D模型生成的方法、介质及系统

    公开(公告)号:CN101246603A

    公开(公告)日:2008-08-20

    申请号:CN200810005543.7

    申请日:2008-02-15

    IPC分类号: G06T17/30 G06T17/00

    CPC分类号: G06T7/536

    摘要: 本发明提供一种基于2D拍摄图像实现3D模型生成的方法、介质以及系统。所述建模方法通过检测图像内的边缘来识别所述图像内的物体;基于识别出的物体相对于所述图像的限定的表面的表面方向来确定识别出的物体的复杂度;基于确定的复杂度,通过识别分别用于识别的物体的一个或多个对应表面的一个或多个没影点,并分别针对识别出的一个或多个没影点分析所述图像的一个或多个对应表面的各个确定的点来生成用于3D模型的一个或多个表面;在3D空间中通过组合所述一个或多个表面来生成3D模型。