多尺度密集残差网络红外热成像超分辨率重建方法及系统

    公开(公告)号:CN118822850A

    公开(公告)日:2024-10-22

    申请号:CN202411018681.4

    申请日:2024-07-29

    Applicant: 海南大学

    Abstract: 本发明涉及一种多尺度密集残差网络红外热成像超分辨率重建方法及系统。所述方法包括:获取红外热成像图像进行处理,得到高分辨率图像、低分辨率图像作为图像对输入至多尺度密集残差超分辨率重建网络模型中;提取出图像对中的浅层次低频特征、深层次高频特征进行特征融合,并将融合后的特征输入至图像重建模块中重建出超分辨率图像。通过训练建立多尺度密集残差超分辨率重建网络模型,使用浅层特征提取模块、深层特征提取模块、特征融合模块、图像重建模块可以改进对红外热图像的温度信息的重建效果,可以恢复红外热成像图像的纹理细节,从而改善重建超分辨率图像的整体质量,提高红外热图像的重建效果。

    一种基于语义引导图像融合的自适应目标检测方法

    公开(公告)号:CN118397416B

    公开(公告)日:2025-04-25

    申请号:CN202410637664.2

    申请日:2024-05-22

    Applicant: 海南大学

    Abstract: 本发明公开一种基于语义引导图像融合的自适应目标检测方法,行人可见光图像IV输入可见光检测分支得到可见光检测损失,并优化可见光检测分支;行人红外图像II输入红外光检测分支得到红外光检测损失,并优红外光检测分支;行人可见光图像IV和行人红外光图像II输入融合分支后得到融合后图像IF和融合损失,融合后图像分别输入可见光检测分支和红外光检测分支得到检测驱动损失,上述训练过程中得到的融合损失和检测驱动损失共同优化融合分支;融合图像输入固定检测网络得到检测结果:基于语义特征引导的图像融合训练网络推理得到的融合后图像输入一个固定检测网络后得到最终的检测结果。本发明能够有效提高目标检测准确率。

    一种基于语义引导图像融合的自适应目标检测方法

    公开(公告)号:CN118397416A

    公开(公告)日:2024-07-26

    申请号:CN202410637664.2

    申请日:2024-05-22

    Applicant: 海南大学

    Abstract: 本发明公开一种基于语义引导图像融合的自适应目标检测方法,行人可见光图像IV输入可见光检测分支得到可见光检测损失,并优化可见光检测分支;行人红外图像II输入红外光检测分支得到红外光检测损失,并优红外光检测分支;行人可见光图像IV和行人红外光图像II输入融合分支后得到融合后图像IF和融合损失,融合后图像分别输入可见光检测分支和红外光检测分支得到检测驱动损失,上述训练过程中得到的融合损失和检测驱动损失共同优化融合分支;融合图像输入固定检测网络得到检测结果:基于语义特征引导的图像融合训练网络推理得到的融合后图像输入一个固定检测网络后得到最终的检测结果。本发明能够有效提高目标检测准确率。

    一种基于同名点搜索的图像立体匹配优化方法

    公开(公告)号:CN118587457B

    公开(公告)日:2025-02-18

    申请号:CN202410647824.1

    申请日:2024-05-23

    Applicant: 海南大学

    Abstract: 本发明公开一种基于同名点搜索的图像立体匹配优化方法,包括如下步骤:双目相机拍摄画面分为左目图像和右目图像,分别对左目图像和右目图像进行极线矫正;确定待测的空间点,将所述空间点在左目图像的投影点作为关键点,依据所述关键点在右目图像的左侧极线上寻找,确定所述关键点对应的同名点;基于关键点的坐标和同名点的坐标进行三角测量,计算得出空间点的世界坐标。本发明,能够提升物体的尺寸检测精确度和速度。

    一种基于同名点搜索的图像立体匹配优化方法

    公开(公告)号:CN118587457A

    公开(公告)日:2024-09-03

    申请号:CN202410647824.1

    申请日:2024-05-23

    Applicant: 海南大学

    Abstract: 本发明公开一种基于同名点搜索的图像立体匹配优化方法,包括如下步骤:双目相机拍摄画面分为左目图像和右目图像,分别对左目图像和右目图像进行极线矫正;确定待测的空间点,将所述空间点在左目图像的投影点作为关键点,依据所述关键点在右目图像的左侧极线上寻找,确定所述关键点对应的同名点;基于关键点的坐标和同名点的坐标进行三角测量,计算得出空间点的世界坐标。本发明,能够提升物体的尺寸检测精确度和速度。

Patent Agency Ranking