申请/专利权人：齐鲁工业大学(山东省科学院)

申请日：2024-01-11

公开（公告）日：2024-04-02

公开（公告）号：CN117557807B

主分类号：G06V10/44

分类号：G06V10/44;G06V10/54;G06V10/26;G06V10/34;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本发明涉及图像处理技术领域，尤其是提供了基于加权滤波增强的卷积神经网络图像预测方法。该方法包括根据原始图像的纹理复杂度，将原始图像分为平滑块组和纹理块组，根据像素位置将平滑块组和纹理块组分别划分为四个像素集合，生成预处理图像；利用平滑块预处理图像和纹理块预处理图像，分别对加权滤波增强的卷积神经网络进行训练，通过加权滤波调节目标像素周围像素值的权重，并通过混合扩张卷积HDC扩展网络接受域，获得像素预测，生成预测图像，该方法利用卷积神经网络中的大小不同的卷积核具有多个感受野和全局优化性的能力，提升了可逆信息隐藏的预测器，提高了图像预测的精度和效率，以及提升了嵌入的容量。

主权项：1.一种基于加权滤波增强的卷积神经网络图像预测方法，其特征在于，所述方法包括：步骤一、根据原始图像的纹理复杂度，将所述原始图像分为平滑块组和纹理块组；步骤二、根据像素位置将步骤一中的所述平滑块组和纹理块组分别划分为四个像素集合，且每个所述像素集合的所有像素由其周围的8个像素预测，生成预处理图像，并将其作为训练集，所述预处理图像包括平滑块预处理图像和纹理块预处理图像；所述步骤二包括：根据像素位置将平滑块组和纹理块组分别划分红色、黄色、蓝色、绿色四个像素集合；预测红色像素时，输入到预测器的图像为++；预测黄色像素时，输入到预测器的图像为++；预测蓝色像素时，输入到预测器的图像为++；预测绿色像素时，输入到预测器的图像为++；当卷积核大小为3×3时，利用至多89个像素值进行像素点预测；当卷积核大小为5×5时，利用至多1625个像素值进行像素点预测；步骤三，利用步骤二中的所述平滑块预处理图像和纹理块预处理图像，分别对加权滤波增强的卷积神经网络进行训练，通过加权滤波调节目标像素周围像素值的权重，并通过混合扩张卷积HDC扩展网络接受域，获得像素预测，生成预测图像。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院) 基于加权滤波增强的卷积神经网络图像预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD