-
公开(公告)号：CN108388905A
公开(公告)日：2018-08-10
申请号：CN201810236107.4
申请日：2018-03-21
Applicant: 合肥工业大学
CPC classification number: G06K9/4652 , G06N3/0454 , G06T7/90
Abstract: 本发明公开了一种基于卷积神经网络和邻域上下文的光源估计方法，其步骤包括：1确定待处理的彩色图像中的亮像素与暗像素；2从待处理的彩色图像中提取同时包含亮像素和暗像素的图像块；3从待处理的彩色图像中提取与图像块中心相同且范围更大的邻域块，以提供给模型更多的上下文信息；4以VGG-16模型参数为基础，搭建结合图像块和邻域块上下文的光源估计模型，并利用Gehler-Shi彩色图像数据集训练；5利用训练好的光源估计模型对所述待处理彩色图像I进行光源估计。本发明能估计彩色图像场景中的真实光源值，从而能有效的对彩色图像进行色彩校正，使图像色彩恢复到标准光源下。
-
公开(公告)号：CN109344818A
公开(公告)日：2019-02-15
申请号：CN201811141315.2
申请日：2018-09-28
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于深度卷积网络的光场显著目标检测方法，其步骤包括：1从使用光场采集设备获得的光场数据转换出全部视角的子孔径图像；2将不同视角下的子孔径图像重组成微透镜图像；3对微透镜图像进行数据增强；4以Deeplab-V2网络的预训练权重为基础，搭建结合微透镜图像的显著目标检测模型，并利用数据集训练；5利用训练好的显著目标检测模型对待处理的光场数据进行显著目标检测。本发明方法可以有效提高复杂场景图像的显著目标检测的准确性。
-
公开(公告)号：CN109344818B
公开(公告)日：2020-04-14
申请号：CN201811141315.2
申请日：2018-09-28
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于深度卷积网络的光场显著目标检测方法，其步骤包括：1从使用光场采集设备获得的光场数据转换出全部视角的子孔径图像；2将不同视角下的子孔径图像重组成微透镜图像；3对微透镜图像进行数据增强；4以Deeplab‑V2网络的预训练权重为基础，搭建结合微透镜图像的显著目标检测模型，并利用数据集训练；5利用训练好的显著目标检测模型对待处理的光场数据进行显著目标检测。本发明方法可以有效提高复杂场景图像的显著目标检测的准确性。
-
公开(公告)号：CN108388905B
公开(公告)日：2019-07-19
申请号：CN201810236107.4
申请日：2018-03-21
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于卷积神经网络和邻域上下文的光源估计方法，其步骤包括：1确定待处理的彩色图像中的亮像素与暗像素；2从待处理的彩色图像中提取同时包含亮像素和暗像素的图像块；3从待处理的彩色图像中提取与图像块中心相同且范围更大的邻域块，以提供给模型更多的上下文信息；4以VGG‑16模型参数为基础，搭建结合图像块和邻域块上下文的光源估计模型，并利用Gehler‑Shi彩色图像数据集训练；5利用训练好的光源估计模型对所述待处理彩色图像I进行光源估计。本发明能估计彩色图像场景中的真实光源值，从而能有效的对彩色图像进行色彩校正，使图像色彩恢复到标准光源下。
-
-
-
Search Results
4
records
(took 0.027 seconds)
