[发明专利]一种卷积神经网络拟合Tikhonov正则化分解的图像增强方法在审
| 申请号： | 202210560410.6 | 申请日： | 2022-05-19 |
| 公开（公告）号： | CN115661009A | 公开（公告）日： | 2023-01-31 |
| 发明（设计）人： | 马飒飒;万永松;王伟明;张勇;刘先红;刘海涛;张磊;谢大兵;康科;高润冬;方东兴;耿斌;郭晓冉;孙晶 | 申请（专利权）人： | 中国人民解放军32181部队 |
| 主分类号： | G06T5/50 | 分类号： | G06T5/50;G06T5/00;G06N3/08;G06N3/0464 |
| 代理公司： | 北京专赢专利代理有限公司 11797 | 代理人： | 李斌 |
| 地址： | 710000 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 卷积 神经网络 拟合 tikhonov 正则 化分 图像 增强 方法 | ||
1.一种卷积神经网络拟合Tikhonov正则化分解的图像增强方法，其特征在于，所述方法如下：在卷积神经网络的基础上，利用深度学习的方式，同时引入上采样层和特征融合的方法实现了分解增强网络，网络的输入是三通道或者单通道图像，通过特征提取网络进行下采样，提取图像中的特征，之后利用上采样层，恢复图像的特征，将恢复的特征进行融合，得到最终的分解图像，之后将分解的高频图像和原图像融合输出，得到最终的增强图像。
2.根据权利要求1所述的卷积神经网络拟合Tikhonov正则化分解的图像增强方法，其特征在于，所述方法具体如下：首先利用Tikhonov正则化分解获取训练所需的图像对，之后利用sigmoid函数将分解的高频图像归一化到[0,1]，用上述网络逼近原真值高频图，之后使用反sigmoid变换得到最终的分解高频结果，之后将该结果与原图像进行相加卷积得到最终的分解效果图和增强结果图。
3.根据权利要求1所述的卷积神经网络拟合Tikhonov正则化分解的图像增强方法，其特征在于，所述方法如下：在VGG-16网络的基础上，利用迁移学习的方式，同时引入上采样层和特征融合的方法实现了分解网络，其具体为：将由正则化分解得到的高频图像经函数处理后融入到VGG-16网络中，得到网络分解的高频图像，再经反函数变化后得到函数分解的高频图像，从而实现端到端的神经网络分解图像。
4.根据权利要求1所述的卷积神经网络拟合Tikhonov正则化分解的图像增强方法，其特征在于，所述方法还通过改变Tikhonov正则化分解的惩罚项系数重新训练网络得到不同的高频分解结果。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军32181部队，未经中国人民解放军32181部队许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202210560410.6/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种基于Beacon的健康码无感扫码方法及系统
- 下一篇：一种转子铁芯入轴机
