-
公开(公告)号：CN114820321B
公开(公告)日：2024-12-27
申请号：CN202210513403.0
申请日：2022-05-11
Applicant: 武汉工程大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于双重判别生成对抗网络的人脸图像超分辨率方法及装置，属于人脸图像超分辨率领域，该方法包括：首先，生成对抗网络通过将残差学习和密集连接学习结合，构造密集‑残差块，在不增加网络深度和参数的情况下增强了特征提取能力；其次，对判别网络进行改进，增加了局部判别器，使得重建图像的纹理细节更加真实和丰富；最后提出了新的联合损失函数。本发明所提出的网络优于其他最新的人脸图像超分辨率算法，能生成更高质量的人脸图像，且在低分辨率人脸数据集上的实验证明了该算法的有效性。
-
公开(公告)号：CN114648457A
公开(公告)日：2022-06-21
申请号：CN202210272822.X
申请日：2022-03-18
Applicant: 中铁大桥局集团有限公司 , 中铁大桥科学研究院有限公司 , 武汉工程大学
Abstract: 本发明提供一种图像增强方法、装置、设备及可读存储介质，图像增强方法包括：对每张低光照图像分别进行光照增强处理；以每张低光照图像和其对应的初步光照增强图像以及正常光照图像作为一个训练图像对；使用多个训练图像对交替训练增强生成器网络、降质生成器网络、增强判别器网络和降质判别器网络，得到训练好的增强生成器网络。通过本发明，将低光照图像进行初步光照增强，在增强生成器网络的基础上增加了降质生成器网络，将正常光照图像进行反向的降质学习训练，由于判别器和生成器之间的互斥，使得增强的图像和降质的图像都与对应的真实光照图像越来越相似，通过本发明，可以生成更高质量的正常光照图像。
-
公开(公告)号：CN115393186A
公开(公告)日：2022-11-25
申请号：CN202210867096.6
申请日：2022-07-22
Applicant: 武汉工程大学
Abstract: 本发明公开了一种人脸图像超分辨率重建方法、系统、设备及介质，涉及计算机视觉技术领域，该方法基于目标人脸图像超分辨率重建模型实现图像重建，该方法步骤包括：对待重建的低分辨率人脸图像进行浅层特征提取，得到第一浅层特征图像；对第一浅层特征图像进行深层特征提取，得到第一深层特征图像；根据第一浅层特征图像和第一深层特征图像，确定目标重建图像。本方法解决了通过现有的基于局部图像块和全局人脸统计的人脸图像超分辨率重建方法实现人脸图像超分辨率重建时全局结构不一致、局部细节丢失，导致重建效果不佳，以及现有的基于结构先验的人脸图像超分辨率重建方法实现人脸图像超分辨率重建存在生成的超分辨率人脸图像失真的问题。
-
公开(公告)号：CN115293966A
公开(公告)日：2022-11-04
申请号：CN202210741509.6
申请日：2022-06-27
Applicant: 武汉工程大学
IPC: G06T3/40 , G06V10/74 , G06V10/774 , G06V40/16
Abstract: 本发明提供一种人脸图像重建方法、装置以及存储介质，属于图像重建领域，方法包括：通过各个原始人脸图像依次对超分辨率待训练模型的超分辨率图像训练分析得到超分辨率训练模型；通过超分辨率训练模型分别对原始人脸图像的图像识别得到目标超分辨率图像；通过所有的原始人脸图像和所有的目标超分辨率图像对人脸重建待训练模型的人脸重建图像训练分析得到人脸重建训练模型；通过人脸重建训练模型分别对目标超分辨率图像的图像重建得到人脸图像重建结果。本发明能够重建高保真和身份感知的HR人脸图像，能够提取更详细的信息，提升了视觉保真度。
-
公开(公告)号：CN117274302A
公开(公告)日：2023-12-22
申请号：CN202311100070.X
申请日：2023-08-29
Applicant: 武汉工程大学
IPC: G06T7/246 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种通道过滤辅助跟踪的目标跟踪方法、系统及存储介质，涉及计算机视觉技术领域；通过ResNet‑50模型对待分析图像进行特征提取，得到初步提取特征矩阵F；通过对初步提取特征矩阵F进行通道预处理，且进行特征处理，得到加权特征矩阵F″；通过对加权特征矩阵F″和训练边界框信息进行编码，得到训练相似性矩阵T″和权重信息W；通过对加权特征矩阵F″和训练相似性矩阵T″进行解码，得到解码特征矩阵 通过对权重信息W和解码特征矩阵进行预测，得到目标置信度得分；将目标置信度得分进行可视化，设定跟踪定位目标。通过减少跟踪目标周围的背景干扰，缓解跟踪时产生的漂移问题，增强对目标特征信息的提取，获得更加精准的目标置信度得分。
-
Patent Agency Ranking
公开(公告)号：CN115293965A
公开(公告)日：2022-11-04
申请号：CN202210735260.8
申请日：2022-06-27
Applicant: 武汉工程大学
Abstract: 本发明提供一种卫星超分辨率图像生成方法、装置以及存储介质，属于图像处理领域，方法包括：分别对原始卫星图像的图像预处理得到低分辨率卫星图像；分别对低分辨率卫星图像的首次特征提取得到低级卫星特征图；通过训练模型分别对低级卫星特征图的特征提取分析得到目标卫星特征图；通过重建模型分别目标卫星特征图的图像重建得到图像生成结果。本发明解决了目前将低分辨率卫星图像生成高分辨率卫星图像，而得到的图像质量不高的技术问题，实现了低分辨率卫星图像和高分辨率卫星图像之间的端到端的映射，从而生成更高质量的高分辨率卫星图像。
-
公开(公告)号：CN114529728A
公开(公告)日：2022-05-24
申请号：CN202210436471.1
申请日：2022-04-25
Applicant: 武汉工程大学
IPC: G06V10/26 , G06V10/40 , G06V10/74 , G06V10/77 , G06V10/774 , G06K9/62 , G06F16/583
Abstract: 本发明提供一种小样本语义分割方法及装置，属于计算机视觉技术领域；导入含有多个图像的训练集，根据图像类别将所述训练集中的多个图像划分为支持集和查询集；通过预训练的特征编码器对所述支持集和查询集进行特征提取，得到支持特征和查询特征；将支持特征的频域进行分离，得到多频特征，并将多频特征提取为多频原型；将多频原型与查询特征进行自适应匹配连接，得到新查询特征；对新查询特征的多个特征向量分别进行分割预测，得到每个特征向量对应的预测类别。本发明能够有效地通过小样本对新类别的目标进行语义分割，提高计算效率，减少存储空间，有效降低数据标注的人工成本。
-
公开(公告)号：CN114820321A
公开(公告)日：2022-07-29
申请号：CN202210513403.0
申请日：2022-05-11
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于双重判别生成对抗网络的人脸图像超分辨率方法及装置，属于人脸图像超分辨率领域，该方法包括：首先，生成对抗网络通过将残差学习和密集连接学习结合，构造密集‑残差块，在不增加网络深度和参数的情况下增强了特征提取能力；其次，对判别网络进行改进，增加了局部判别器，使得重建图像的纹理细节更加真实和丰富；最后提出了新的联合损失函数。本发明所提出的网络优于其他最新的人脸图像超分辨率算法，能生成更高质量的人脸图像，且在低分辨率人脸数据集上的实验证明了该算法的有效性。
-
公开(公告)号：CN114648457B
公开(公告)日：2025-03-21
申请号：CN202210272822.X
申请日：2022-03-18
Applicant: 中铁大桥局集团有限公司 , 中铁大桥科学研究院有限公司 , 武汉工程大学
IPC: G06T5/92 , G06N3/0464 , G06N3/08 , G06T5/60
Abstract: 本发明提供一种图像增强方法、装置、设备及可读存储介质，图像增强方法包括：对每张低光照图像分别进行光照增强处理；以每张低光照图像和其对应的初步光照增强图像以及正常光照图像作为一个训练图像对；使用多个训练图像对交替训练增强生成器网络、降质生成器网络、增强判别器网络和降质判别器网络，得到训练好的增强生成器网络。通过本发明，将低光照图像进行初步光照增强，在增强生成器网络的基础上增加了降质生成器网络，将正常光照图像进行反向的降质学习训练，由于判别器和生成器之间的互斥，使得增强的图像和降质的图像都与对应的真实光照图像越来越相似，通过本发明，可以生成更高质量的正常光照图像。
-
公开(公告)号：CN115239553A
公开(公告)日：2022-10-25
申请号：CN202210610135.4
申请日：2022-05-31
Applicant: 武汉工程大学
Abstract: 本发明公开了一种卫星图像超分辨率重建方法、系统、设备和可读存储介质，涉及计算机视觉技术领域，该方法包括：获取高分辨率卫星图像并将其转换为低分辨率图像，对低分辨率图像进行边缘提取，得到低分边缘图像；对低分边缘图像进行上采样处理，得到高分边缘特征图像；通过边缘分支网络对低分边缘图像进行纹理特征提取，得到重建高分边缘图像；通过超分辨率分支网络对低分辨率图像进行结构特征提取，得到重建高分辨率图像；根据高分边缘特征图像和重建高分边缘图像，确定恢复图像，对恢复图像进行图像校正，得到重建边缘先验图像；将重建边缘先验图像和重建高分辨率图像进行融合，得到融合图像，对融合图像进行降维处理，得到重建超分辨率图像。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
