公开(公告)号：CN118552594A

公开(公告)日：2024-08-27

申请号：CN202410685935.1

申请日：2024-05-30

Applicant: 南京理工大学

Inventor： 王清华 ,  刘威 ,  宋旸 ,  来建成 ,  纪运景 ,  李振华

IPC: G06T7/50 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种基于注意力机制的单目室内图像深度估计方法及系统，系统包括图像下采样特征图像模块、上采样图像恢复模块和混合注意力模块；其中图像下采样特征图像模块通过卷积运算得到不同尺度的特征图像；上采样图像恢复模块和混合注意力模块通过转置卷积运算恢复到与输入图像尺寸相同的深度估计图像；混合注意力模块贯穿整个网络结构，为每一步运算提供更好的权重。通过上述编码器‑解码器端到端的网络结构，本发明能够训练出更好的室内单目深度估计网络。

公开(公告)号：CN116778539A

公开(公告)日：2023-09-19

申请号：CN202210206118.4

申请日：2022-03-03

Applicant: 南京理工大学

Inventor： 王清华 ,  刘腾鸥 ,  宋旸 ,  来建成 ,  李振华

IPC: G06V40/16 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提供基于注意力机制的人脸图像超分辨率模型及处理方法，本申请提供的模型从输入端至输出端包括粗糙重建网络以及精细重建网络；以及分别与两者相连接的语义分割网络。其中，精细重建网络包括依次相连接的3×3卷积层、多个混合注意力模块以及3×3卷积层以及全局的跳跃连接。粗糙重建网络包括四个计算单元。语义分割网络为U字型，左边为编码部分，右边为解码部分。本申请提供的模型在人脸识别过程中可以在复杂场景下，重建人脸与背景的主次信息，使得人脸高度还原。

公开(公告)号：CN113391457A

公开(公告)日：2021-09-14

申请号：CN202110524638.5

申请日：2021-05-13

Applicant: 南京理工大学

Inventor： 尹雨 ,  黎鹏 ,  朱时军 ,  王清华

IPC: G02B27/42 ,  G02B27/28

Abstract: 本发明涉及一种高质量鲁棒部分相干成像方法及装置，该方法将部分相干场表示为互不相关的完全相干场叠加，通过调控交叉谱密度函数中的相关参数以及目标强度灰度矩阵，在远场处对所需要的目标强度进行成像；通过将交叉谱密度函数离散化表示为不同模式的非相干叠加的形式，在数字微镜器件或者空间光调制器上连续播放不同的全息图，来实现不同模式的非相干叠加，从而高效地对所需要的目标进行成像。成像装置结构简单，并且实验能量利用率较高，鲁棒性好，具有非常实用的价值。

公开(公告)号：CN110044474B

公开(公告)日：2021-04-16

申请号：CN201910146582.7

申请日：2019-02-27

Applicant: 南京理工大学

Inventor： 王清华 ,  成哲

IPC: G01J1/42

Abstract: 本发明公开了一种基于插值算法的关联成像优化方法，所述关联成像优化方法基于对应成像的思想、双线性插值算法和差分关联成像方案。本发明将双线性插值和差分关联成像方法进行有效结合，采用双线性插值对系统采集的图像信息进行压缩，利用压缩后的像素信息参与差分关联成像，借助对应成像的思想对差分信号进行时间上的对应分组，经过一定的迭代筛选之后重构出目标物体的图像，最后利用双线性插值算法将图像大小恢复至原尺寸。插值算法通过对灰度值的处理大幅削减了图像数据信息，同时提高图像质量，从而使得本发明兼具插值算法的方便和关联成像抗干扰能力强的优点。

公开(公告)号：CN110047038A

公开(公告)日：2019-07-23

申请号：CN201910146330.4

申请日：2019-02-27

Applicant: 南京理工大学

Inventor： 王清华 ,  孙浩洋

IPC: G06T3/40 ,  G06N3/04

Abstract: 本发明提出了一种基于层级递进网络的单图像超分辨重建方法，其主要内容包括：特征提取分支、图像重建分支、层级递进网络结构、损失函数。该方法将高倍超分辨任务分解为多个子任务，每个子任务可以由一个超分辨单元网络单独完成，多个超分辨单元网络级联形成整个网络。本发明可以使用同一个训练模型对图像做多种倍数的超分辨重建处理。