一种基于密集连接卷积的暗光图像去噪方法.pdf
兴朝****45
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于密集连接卷积的暗光图像去噪方法.pdf
本发明涉及一种基于密集连接卷积的暗光图像去噪方法,包括以下步骤:构建密集连接去噪卷积神经网络模型,并对其进行训练;获取待处理图像,并对所述待处理图像进行预处理,得到目标待处理图像;通过训练好的密集连接去噪卷积神经网络模型对目标待处理图像进行处理,得到去噪图像。本发明实现了即使在处理暗光或者逆光场景下的图像时,也能保留大量图像细节信息,得到高质量的去噪图像,达到良好的去噪效果。
一种基于卷积神经网络的光场图像去噪方法.pdf
本发明公开了一种基于卷积神经网络的光场图像去噪方法,其首先将4D光场图像分别重组为子孔径图像和微透镜阵列图像;之后构建初始堆栈空间卷积块和初始角度卷积块以分别对子孔径图像和微透镜阵列图像提取空间特征和角度特征;然后引入空间角度联合编码器组来建模空间特征和角度特征间的信息补偿关系并提高特征的表达能力;基于提取的空间特征和角度特征,构建空间角度特征融合器组以充分利用特征来丰富重建去噪光场图像的细节信息;最后利用构建的解码器来将空间角度特征融合器组输出的融合特征重建为去噪光场图像;优点是有效去除光场图像中存在的
一种基于卷积模板的图像去噪方法.pdf
本发明涉及一种基于卷积模板的图像去噪方法,包括:对原始图像进行预处理,获取预处理图像;对所述预处理图像进行卷积去噪,获取输出图像;对所述输出图像进行修正,获取去噪图像。本实施例通过卷积模板对图像进行卷积的方式来提取图像的特征信息,在滤波去噪的过程中,对于边缘信息保留的更加完备,且通过卷积操作来完成,没有复杂的公式计算,整体简单便于硬件实现。
基于密集连接带孔卷积网络的初级特征提取器及提取方法.pdf
本发明属于图像信息处理技术领域,公开了一种基于密集连接带孔卷积网络的初级特征提取器及提取方法,初级特征解码器由多个不同卷积核的反卷积层组成,输出的特征图由多个反卷积层进行处理;特征结合层:由kernel为1×1、stride为1卷积层构成,进行降维处理;特征还原器由多个不同卷积核的反卷积层组成。本发明以DenseNet的密集连接方式连接带孔卷积并以此来构建DenseAtrousCNet的网络结构,能够同时获得带孔卷积和DenseNet的优势,既保留了传统神经网络的优点,又能够捕获更多的稠密特征,提升图像语
基于全卷积密集连接神经网络的单目图像深度估计方法.pdf
本发明公开了一种基于全卷积密集连接神经网络的单目图像深度估计方法,通过构建四组密集连接模块+连接模块+下采样模块、一个15层的密集连接块以及四组四组上采样模块+连接模块+密集连接模块,在不同深度层结果之间采取跳级结构,使得每层网络能感知更多像素的信息。本发明充分利用了每一层的特征图,包含了高低不同等级的特征,从而实现训练出更精确的图像深度,且该方法得到的图像轮廓更加清晰,在一定程度上解决了现有单目图像深度估计方法生成的结果存在的过于平滑现象且不清晰的现象,获得了更为清晰的深度图像,从而提高了图像深度估计的