您所在的位置: 成果库 基于成像规律的深度学习图像增强技术

基于成像规律的深度学习图像增强技术

发布时间: 2023-10-23

来源: 试点城市(园区)

基本信息

合作方式: 技术咨询
成果类型: 发明专利
行业领域:
新一代信息技术产业,互联网与云计算、大数据服务,人工智能
成果介绍
新时代背景下,经济社会向数字化、智能化快速变迁,新基建进入5G-AI创新应用场景阶段,本团队致力于实现基于海量数据的智能计算服务。2020年,全球互联网中的图像、视频等视觉数据超400亿TB,但由于成像场景的物理约束和数字化过程的技术约束,导致海量视觉数据存在质量褪化、噪声干扰、信息缺失等问题,使相关智能计算面临巨大的有效性挑战,成为高质量智能计算服务的障碍。该技术基于感知对象成像规律对视觉数据进行建模,解决了视觉计算中的成像质量褪化问题。该成果对图像增强效果显著,具有广阔的应用前景。
成果亮点
该技术从待观测物理世界自有的成像规律出发,将先验物理规律知识与实际数据统计规律相结合,构建端到端的深度学习图像增强模型,实现多样化环境下的高质量成像与图像恢复。 在图像去雾领域,本团队首次在学术界提出可端到端学习的去雾系统DehazeNet,建立了有雾图像和透射率图之间的映射关系。与传统人工先验方法不同,DehazeNet可以学习到与图像内容相匹配的领域知识;与经典深度网络不同,DehazeNet中引入的大气传输模型可构建与领域知识相匹配的高效深度网络。在学术界公认的大规模测试数据集上,与传统方法相比,DehazeNet修复后的图像质量PSNR提升近3db。该技术属于奠基性深度学习去雾方法,深刻地影响了像素级图像增强领域的发展,启发了系列基于深度学习的图像增强应用研究,如图像去噪、超分辨率、低光增强等。
团队介绍
学院现有2个一级学科博士学位授权点(信息与通信工程、电子科学与技术),1个博士专业学位授权类别(电子信息),1个硕士专业学位授权类别(电子信息),以及2个博士后流动站。学院现有教职工154人,其中专任教师104人,博士后10人,专职研究员1人。专任教师队伍中具有博士学位的教师占95%,正高职称40人,副高职称50人。学院教师中有国家杰出青年基金获得者3人,国家优秀青年基金获得者4人,国家教学名师1人,中组部万人计划国家教学名师1人。在科研教学基地方面,学院现有国家级人才培养基地3个、国家级科研基地1个、省部级科研基地7个、广东省教育厅科研基地2个、国家级实验教学示范中心1个,省市共建集成电路培养基地1个。教师队伍中,广东省自然科学基金创新团队2个,国家级教学团队1个。学院现有在校生2194人(其中留学生40人),本科生1238人,硕士研究生709人,博士生247人。学院着力于培养学生的创新精神,以适应21世纪我国对信息产业人才的需求,为国家特别是华南地区和广东省的电子信息产业培养大批高素质人才,如TCL集团总经理李东生、创维集团总裁黄宏生、康佳集团总经理陈伟荣等均为我院毕业生。
成果资料