-
公开(公告)号：CN115713515B
公开(公告)日：2024-08-23
申请号：CN202211461432.3
申请日：2022-11-21
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于量子图像传感器的单光子计数成像系统及方法，属于图像信息处理技术领域。系统包括图像获取模块、图像预处理模块、图像去噪模块、最优参数序列决策模块和图像重建模块。首先对量子图像传感器获取的二进制观测数据统一进行预处理，获得待重建图像。然后，将训练好的深度卷积神经网络作为去噪器插入即插即用的交替方向乘子法框架中，构建单光子图像迭代重建流程。将迭代重建流程建模为马尔可夫过程，通过强化学习算法求解其中最优参数序列，将求得最优参数序列代入迭代重建流程中，得到最终的重建图像。本发明仅需一次训练便可得到用于多个过采样率下单光子图像重建的自动参数选取策略，有效实现更快的收敛速度和更好的重建质量。
-
公开(公告)号：CN118196833A
公开(公告)日：2024-06-14
申请号：CN202410216419.4
申请日：2024-02-27
Applicant: 北京理工大学
IPC: G06V40/10 , G06V20/52 , G06V10/62 , G06V10/74 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及计算机视觉技术领域，尤其是指一种行人重识别方法、装置、设备及计算机存储介质。本发明所述的行人重识别方法，通过对采集图像进行像素级的增强，有效地解决了在低弱光环境下监控摄像头图像不清晰的问题，为行人重识别提供了高质量的图像，满足了全天候、不间断的行人重识别需求；本发明提出了一种基于向量运算的重排序算法，使得重排序过程可以借助现代化的图形处理器进行运算，从而满足行人重识别系统的高实时性要求。
-
公开(公告)号：CN113763271B
公开(公告)日：2024-06-07
申请号：CN202111029792.1
申请日：2021-09-03
Applicant: 北京理工大学
IPC: G06T5/70 , G06T5/60 , G06N3/0464
Abstract: 本发明公开的一种基于物理噪声模型的高质量光谱去噪方法，属于计算摄像学领域。本发明实现方法为：分析高光谱相机的物理成像过程，根据噪声源分析建立高光谱相机的物理噪声模型，使用统计建模的方式标定物理噪声模型参数，构建高质量仿真噪声数据集，训练高光谱去噪神经网络，能够在显著节省构建高光谱去噪数据集所用的采集图像资源，实现高效率和高精度高光谱图像去噪。本发明能够高质量地完成基于扫描的高光谱相机的高光谱图像去噪，在显著节省构建高光谱去噪数据集所用的采集图像资源，实现高效率和高精度高光谱图像去噪，提高成像质量，扩展高光谱图像的应用范围。本发明能够用于地质勘探、农业生产和生物医学等多个领域。
-
公开(公告)号：CN114972085B
公开(公告)日：2024-06-04
申请号：CN202210525932.2
申请日：2022-05-16
Applicant: 北京理工大学
IPC: G06T5/70 , G06T5/60 , G06T7/80 , G06V10/30 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/0895 , G06N3/084 , G06N3/0985
Abstract: 本发明涉及一种基于对比学习的细粒度噪声估计方法和系统，属于计算摄像科学技术领域。本发明利用待测试的带噪图像中发掘相机本身的噪声属性和参数，对其建模并生成大量拟真的仿真成对数据集，再利用深度神经网络学习仿真带噪图像到干净图像之间的映射关系，并用训练好的网络对真实数码相机拍摄的带噪图像进行去噪处理，实现对真实图像质量的提升和增强。本发明能够仅从待测试的带噪图像估计适用于特定相机的噪声参数，避免了噪声建模对于成对数据和标定数据的依赖性，显著提升真实图像去噪的精度。本发明可以用于对消费级数码相机或移动设备拍摄出来的真实图像噪声去除，以提供更加真实的训练数据的方式促进深度网络对真实噪声的去除。
-
公开(公告)号：CN114612299B
公开(公告)日：2024-06-04
申请号：CN202210168489.8
申请日：2022-02-17
Applicant: 北京理工大学
IPC: G06T3/4015 , G06T3/4046 , G06N3/0464 , G06N3/048
Abstract: 本发明公开的一种空间自适应的真实图像去马赛克方法及系统，属于计算摄像学领域。本发明使用像素偏移相机搭建真实数据采集模块，并利用该系统采集真实成对马赛克图像和全彩RGB图像数据集；根据空间不一致的数据特性设计空间自适应的卷积计算，进一步构建空间自适应的卷积神经网络，利用卷积神经网络学习马赛克图像和全彩RGB图像之间的映射关系，同时提出真实成对去马赛克数据采集系统并采集数据集，使用所采集的数据集训练去马赛克神经网络，实现空间自适应和高精度图像去马赛克，提升真实图像去马赛克质量。本发明能够在不显著增加计算量的情况下，实现空间自适应的图像去马赛克，提高成像质量，提高真实去马赛克图像的保真度。
-
Patent Agency Ranking
公开(公告)号：CN114399431B
公开(公告)日：2024-06-04
申请号：CN202111475305.4
申请日：2021-12-06
Applicant: 北京理工大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于注意力机制的暗光图像增强方法，属于计算机视觉技术领域。本方法使用非监督式循环对抗生成网络，通过内容无关联的暗光/正常亮度图像对，得到视觉效果明显改善的预测结果，并进一步利用身份不变损失对其施加亮度约束，将自适应真实暗光图像不同亮度水平区域的过程整合到网络训练学习阶段中，提高了模型的鲁棒性和泛化能力；采用编解码结构网络模型作为主干生成器网络，通过施加光照感知注意力机制方式，提高网络对空间和全局特征信息的敏感度和学习能力，能充分利用多尺度特征信息选择性强调真实暗光图像中有益的特征响应并抑制用处不大的响应，获得噪声抑制明显、颜色估计正确、亮度水平合理、视觉效果良好的高质量增强结果。
-
公开(公告)号：CN113724146B
公开(公告)日：2024-06-04
申请号：CN202110795952.7
申请日：2021-07-14
Applicant: 北京理工大学
IPC: G06T5/70 , G06N3/0464
Abstract: 本发明公开的基于即插即用先验的单像素成像方法，涉及一种基于即插即用先验的欠采样条件下的单像素成像方法，属于计算摄像学领域。本发明结合基于模型方法和基于深度学习方法的优点，将现代图像降噪算法隐式作为先验替换到成像方法中，提高欠采样条件下单像素图像成像质量。本发明在即插即用同一构思下，提供欠采样条件下无噪声单像素成像方法和欠采样条件下考虑噪声的单像素成像方法。本发明公开的欠采样条件下无噪声的单像素成像方法，能够在不考虑噪声的情况下，实现欠采样条件下高质量单像素图像重建。本发明公开的欠采样条件下考虑噪声的单像素成像方法，能够在考虑噪声的情况下，实现欠采样条件下高质量单像素图像重建，对噪声具有鲁棒性。
-
公开(公告)号：CN116193258B
公开(公告)日：2024-05-31
申请号：CN202211512122.X
申请日：2022-11-29
Applicant: 北京理工大学
IPC: H04N23/695 , H04N23/60 , H04N23/11 , H04N23/55 , G06F3/04845 , G06F3/0487
Abstract: 本发明涉及基于多深度特征点的交互式双相机图像对齐方法及系统，属于光学成像与图像处理技术领域。使用固定相机拍摄标志物，调整双相机位姿，使标志物在图像中完整显示，且其上各个特征点无相互遮挡，均匀分布于整幅图像中。使用带有图形界面的软件显示固定相机拍摄到的图像，在图像上的每一个特征点位置绘制标记点，使用可移动相机拍摄标志物图像，并实时显示到图形界面中，同时保留所有绘制标记点。调节可移动相机的位姿，使可移动相机拍摄到的标志物图像中各个特征点与相应的标记点重合。最后计算各特征点的对齐误差。本发明有效解决了现有系统对齐方法深度受限、精度不高、操作复杂、人机交互不友好、特征点显示不清晰等问题，应用范围广。
-
公开(公告)号：CN114022732B
公开(公告)日：2024-05-31
申请号：CN202111294930.9
申请日：2021-11-03
Applicant: 北京理工大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于RAW图像的极暗光物体检测方法，用于常规图像传感器采集的低弱光图像，根据物理成像过程建立暗光合成管线，基于现有正常光物体检测数据集资源，构建高质量的暗光物体检测仿真数据集，训练精确的暗光物体检测网络。本发明能够高质量地完成基于现有常见图像采集设备的极暗光物体检测，在显著节省构建极暗光物体检测数据集所用的采集图像与人力资源的同时，实现高效率和高精度极暗光物体检测，提高检测精度，扩展物体检测器的应用场景，突破物体检测领域的瓶颈。本发明能够用于深空探测、深海探测、生物医学、近地探测等多个领域。
-
公开(公告)号：CN117726541A
公开(公告)日：2024-03-19
申请号：CN202410176676.X
申请日：2024-02-08
Applicant: 北京理工大学
IPC: G06T5/70 , G06T5/60 , G06V20/40 , G06V10/80 , G06V10/98 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本申请提出了一种基于二值化神经网络的暗光视频增强方法及装置，该方法包括：获取Bayer阵列存储的RAW暗光带噪视频，对RAW暗光带噪视频进行重组处理和曝光增强处理，得到初步优化视频；构建候选二值化神经网络，根据候选二值化神经网络提取初步优化视频的浅层特征，对提取到的特征进行多帧融合以及从融合特征中重建出最终优化视频；基于最终优化视频和参考正常光照图像，计算损失值，并基于损失值对候选二值化神经网络的网络模型参数进行优化，得到训练好的二值化神经网络；将其他初步优化视频输入二值化神经网络得到重建视频，根据图像质量评价标准评价重建视频，得到客观评估指标。本申请能够增强暗光视频的亮度，去除暗光环境拍摄产生的严重噪声。
-
-
-
-
-
-
-
-
-
Search Results
146
records
(took 0.029 seconds)
