-
公开(公告)号：CN116843588B
公开(公告)日：2024-02-06
申请号：CN202310732526.8
申请日：2023-06-20
Applicant: 大连理工大学
Abstract: 本发明属于图像信息处理技术领域，提出一种目标语义层级挖掘的红外与可见光图像融合方法。图像融合网络包括融合特征模块、语义特征模块、层级挖掘模块与图像重建模块；源图像对输入至图像融合网络后，融合特征模块提取源图像对的图像融合特征Fuj，语义特征模块提取源图像对的图像语义特征Fej；层级挖掘模块挖掘多个层级的目标语义特征并进行整合，多次重复特征提取与挖掘后，通过图像重建模块生成融合结果。相较于仅利用单一图像融合特征的融合方法，本发明通过不同层次的挖掘图像中目标语义并将其整合到图像融合网络中，有效地提升了图像融合网络中特征的多样性，从而可以获得更高质量的图像融合结果。
-
公开(公告)号：CN117237235B
公开(公告)日：2024-02-02
申请号：CN202311497896.4
申请日：2023-11-13
Applicant: 大连理工大学
IPC: G06T5/73 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明属于图像信息处理技术领域，公开一种图像散焦检测攻击的去模糊方法，提出了一种通过攻击模糊检测网络，并设计模糊感知变换模块，以完成散焦图像去模糊的方法。使用一个再模糊网络和一个去模糊网络，设计相应的可逆攻击方法和模糊感知变换模块结构，免去了训练时对清晰真值图像的需求，使得去模糊网络的去模糊性能提升。本发明的使用模糊感知变换以攻击离焦检测的散焦图像去模糊学习方法，有效免去了对训练真值的需求，在弱监督的条件下生成了高质量的去模糊图像。同时本发明克服了目前弱监督去模糊方法的一些弊端，如容易在去模糊结果中产生叠影和颜色失真等，在提出的可逆攻击辅助下，本发明能够生成更加真实自然且准确的去散焦模糊结果。
-
公开(公告)号：CN117237235A
公开(公告)日：2023-12-15
申请号：CN202311497896.4
申请日：2023-11-13
Applicant: 大连理工大学
IPC: G06T5/00 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明属于图像信息处理技术领域，公开一种图像散焦检测攻击的去模糊方法，提出了一种通过攻击模糊检测网络，并设计模糊感知变换模块，以完成散焦图像去模糊的方法。使用一个再模糊网络和一个去模糊网络，设计相应的可逆攻击方法和模糊感知变换模块结构，免去了训练时对清晰真值图像的需求，使得去模糊网络的去模糊性能提升。本发明的使用模糊感知变换以攻击离焦检测的散焦图像去模糊学习方法，有效免去了对训练真值的需求，在弱监督的条件下生成了高质量的去模糊图像。同时本发明克服了目前弱监督去模糊方法的一些弊端，如容易在去模糊结果中产生叠影和颜色失真等，在提出的可逆攻击辅助下，本发明能够生成更加真实自然且准确的去散焦模糊结果。
-
-
公开(公告)号：CN116758353A
公开(公告)日：2023-09-15
申请号：CN202310731995.8
申请日：2023-06-20
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/094
Abstract: 本发明属于图像信息处理技术领域，提出一种基于域特定信息滤除的遥感图像目标分类方法。从实例归一化分离域特定信息和域不变信息、图像重建去除域特定信息两个角度进行遥感图像风格信息的滤除。通过对抗性域特定信息鲁棒模块使用实例归一化使得每一个输入实例的数据趋向于标准正态分布，进而降低细微扰动带来的影响。通过数据扩充模拟遥感图像域特定信息的显著变化，并通过域不变信息滤波器利用域特定信息滤除后的特征来重建图像，从而降低域特定信息显著变化带来的影响。本发明方法有效解决了目前遥感目标识别方法存在对未知域表现差的这一问题，使遥感图像目标模型对不同域数据集均具有泛化性。
-
Patent Agency Ranking
公开(公告)号：CN115272880A
公开(公告)日：2022-11-01
申请号：CN202210905640.1
申请日：2022-07-29
Applicant: 大连理工大学
IPC: G06V20/13 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明属于计算机视觉图像信息处理技术领域，一种基于度量学习的多模态遥感目标识别方法。本发明的方法重新考虑了图像风格与深度模型泛化性之间的关系，并进一步提出了一种独特的端到端的三重风格内容度量网络，该网络可以减少域泛化问题的不利影响，提高深度模型的泛化能力。具体来说，分离输入图像的风格和内容，然后对用风格转换模块替换的风格特征施加约束，以迫使我们的模型学习与内容有关与风格无关的有判别力的特征。本发明利用三重度量学习的方法，增强了遥感目标别模型提取特征的能力。目前存在的遥感目标识别方法仅对一种域的数据集有良好的效果，对未知域的表现很差。本发明的方法解决了这一问题，使模型对不同域数据集均具有泛化性。
-
公开(公告)号：CN118587723B
公开(公告)日：2024-10-01
申请号：CN202411069095.2
申请日：2024-08-06
Applicant: 大连理工大学
IPC: G06V30/19
Abstract: 本发明属于计算机视觉图像处理技术领域，公开一种通过熵最大化进行风格词多样化以实现域泛化的方法，分为两个阶段，第一阶段学习风格词，产生多样化风格词提示；第二阶段利用生成的多样化风格词提示作为CLIP文本编码器的输入，在特征空间内模拟视觉特征的多样性，引导图像编码器学习域不变特征，实现遥感目标识别的域泛化。本发明利用预训练的CLIP模型帮助分类网络在仅使用一个源域数据的情况下学习域不变特征。在第一阶段通过风格多样性约束和熵最大化约束生成包含多种风格的风格词提示；在第二阶段利用风格词提示在特征空间内模拟视觉特征的多样性，降低了分类网络对多样化图像数据的依赖性，提高了分类网络的域泛化性能。
-
公开(公告)号：CN118587327B
公开(公告)日：2024-10-01
申请号：CN202411070980.2
申请日：2024-08-06
Applicant: 大连理工大学
IPC: G06T11/60 , G06V30/19 , G06V10/82 , G06N3/0475 , G06N3/094
Abstract: 本发明属于图像信息处理技术领域，公开了一种目标跨模态表达辅助的遥感场景文本‑图像生成方法。本方法先利用预训练图像文本联合表达模型的跨模态特征关联能力，为目标图像条件自适应地匹配对应的文本模态表达，通过目标图像到目标文本的跨模态转化避免布局的不确定性对目标信息引入产生的干扰；再将目标文本特征与原文本条件特征进行集成，利用目标信息对文本条件进行修饰与扩充；最后经补充的文本特征作为控制条件引入图像生成流程，对生成图像进行调控。本发明在避免额外布局先验引入的同时，有效实现利用图像目标条件对生成图像中目标局部的针对性增强。
-
公开(公告)号：CN118552823A
公开(公告)日：2024-08-27
申请号：CN202411025648.4
申请日：2024-07-30
Applicant: 大连理工大学
IPC: G06V10/80 , G06V10/82 , G06V10/26 , G06N3/0455 , G06N3/0464
Abstract: 本发明属于图像信息处理技术领域，公开了一种深度特征相关性矩阵的红外和可见光图像融合方法。该红外和可见光图像融合方法对应的融合框架主要由自重构源图像任务、交叉重构源图像任务和分割任务组成；其中，源图像是红外图像和可见图像；自重构源图像任务和交叉重构源图像任务用于约束融合框架获得融合和重构能力；交叉重构源图像任务中引用动态交互融合；分割任务用于提供目标语义特征嵌入到动态交互融合过程，帮助融合特征提供目标语义信息；提出跨任务交互模块构建深度特征相关性矩阵来解决两个不同层级任务在特征融合过程中存在的语义差异问题。本发明能够使得融合特征包含丰富的目标语义信息，进而重构出高质量的融合图像。
-
公开(公告)号：CN118552424A
公开(公告)日：2024-08-27
申请号：CN202411025584.8
申请日：2024-07-30
Applicant: 大连理工大学
Abstract: 本发明属于图像信息处理技术领域，公开了一种像素级‑目标级特征平衡的红外与可见光图像融合方法，设计了层次化交互模块，通过将图像融合和图像分割任务在不同的层次上进行特征交互，来平衡任务之间的信息传递。该层次化交互模块包含两个关键部分：跨像素级细节特征交互模块和跨目标级语义特征交互模块。这两个模块通过不同层次的特征转换和特征交互协同工作，不仅解决了图像融合和图像分割任务之间的特征不匹配问题，而且通过充分利用任务间的互补信息，促进了特征在不同层次上的深入交互。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.022 seconds)
