公开(公告)号：CN111008956A

公开(公告)日：2020-04-14

申请号：CN201911103773.1

申请日：2019-11-13

Applicant: 武汉工程大学

Inventor： 卢涛 ,  吴志豪 ,  张彦铎 ,  陈冲 ,  许若波 ,  周强 ,  郝晓慧 ,  魏博识 ,  郎秀娟 ,  王宇 ,  王彬 ,  曾康利 ,  陈希彤 ,  汪家明

IPC: G06T7/00 ,  G06T3/40 ,  G06T7/60

Abstract: 本发明涉及一种基于图像处理的梁底裂纹检测方法、系统、装置和介质，方法包括获取桥梁底面的多个原始裂纹图像，并对所有原始裂纹图像进行预处理，得到多个处理裂纹图像；从所有处理裂纹图像中获取多个待拼接裂纹图像，基于SURF图像处理方法，将所有待拼接裂纹图像进行拼接，得到待检测裂纹图像；获取预设的神经网络裂纹检测模型，并利用所述神经网络裂纹检测模型对所述待检测裂纹图像进行检测，得到目标裂纹图像；对所述目标裂纹图像进行分析，得到裂纹检测数据。本发明能避免图像拍摄距离对梁底裂纹识别和检测的影响，提高裂纹检测精度，能够避免微小裂纹的图像被当做噪声过滤掉，极其适用于微小裂纹的检测。

公开(公告)号：CN119180997A

公开(公告)日：2024-12-24

申请号：CN202311519338.3

申请日：2023-11-13

Applicant: 武汉工程大学

Inventor： 卢涛 ,  郎秀娟 ,  汪家明 ,  张显鸿 ,  张彦铎 ,  朱柏霖

IPC: G06V10/774 ,  G06V10/40 ,  G06V10/80 ,  G06V20/13 ,  G06V20/40

Abstract: 本申请提供一种目标检测模型训练方法、装置、电子设备及存储介质，涉及计算机处理技术领域。方法包括：获取用于模型训练的数据集，将数据集输入待训练的初始检测模型中的特征提取网络，以对样本图像进行多尺度特征提取和注意力特征提取，得到每个样本图像对应的多个多尺度特征图；将各个多尺度特征图输入初始检测模型中的检测头，得到样本图像对应的检测结果，然后获取检测结果中每个待检测目标和每个待检测目标对应的真实目标之间的损失值，判断损失值是否满足预设模型收敛条件，若满足，则将满足预设模型收敛条件的初始检测模型作为目标检测模型。如此，可以改善传统目标识别类模型对视频卫星图像中的小目标检测精度低、效果差的问题。

公开(公告)号：CN119169402A

公开(公告)日：2024-12-20

申请号：CN202311515863.8

申请日：2023-11-13

Applicant: 武汉工程大学

Inventor： 卢涛 ,  郎秀娟 ,  汪家明 ,  张彦铎 ,  刘威 ,  陈晨 ,  关振伟

IPC: G06V10/774 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V20/13 ,  G06V20/54

Abstract: 本申请提供一种船舶检测模型训练方法、装置、电子设备及存储介质，涉及计算机处理技术领域。方法包括：获取用于模型训练的数据集；将数据集中的样本图像输入待训练的初始检测模型中的骨干网络进行多尺度特征提取，得到每个样本图像对应的不同尺度的多个尺度特征图；将多个尺度特征图输入初始检测模型中的特征提取网络，得到第一特征图和第二特征图；将各个第一特征图和第二特征图输入检测头，得到样本图像对应的检测结果，最后根据检测结果对初始检测模型进行参数调整和迭代训练，直至初始检测模型满足预设模型收敛条件。如此，改善传统船舶检测方式存在小目标检测结果不准确、易漏检的问题。

公开(公告)号：CN110458758B

公开(公告)日：2022-04-29

申请号：CN201910687010.X

申请日：2019-07-29

Applicant: 武汉工程大学

Inventor： 卢涛 ,  陈冲 ,  张彦铎 ,  许若波 ,  周强 ,  郝晓慧 ,  魏博识 ,  郎秀娟 ,  王宇 ,  吴志豪 ,  王彬

IPC: G06T3/40 ,  G06T5/50

Abstract: 本发明涉及一种图像超分辨率重建方法、系统及计算机存储介质，其方法包括以下步骤，S1，将原始图像重塑为固定大小尺寸的图像，得到原始高分辨率图像，将原始高分辨率图像进行插值下采样，得到低分辨率图像；S2，基于生成网络对低分辨率图像进行基于边缘增强的超分辨率重建，得到超分辨率图像；S3，基于判别网络和原始高分辨率图像对超分辨率图像进行真伪判别。本发明其将单一的低分辨图像通过边缘细节信息增强表达，在原始超分辨率重建生成网络中加入边缘增强融合网络提高了图像超分辨率重建性能，获得更清晰的重建图像；另外，判别网络也可以提升边缘增强生成对抗网络的重建性能。

公开(公告)号：CN111105354A

公开(公告)日：2020-05-05

申请号：CN201911349902.5

申请日：2019-12-24

Applicant: 武汉工程大学 ,  武汉烽火技术服务有限公司

Inventor： 卢涛 ,  郝晓慧 ,  张彦铎 ,  胡记伟 ,  魏明 ,  许若波 ,  陈冲 ,  周强 ,  郎秀娟 ,  王宇 ,  魏博识 ,  王彬 ,  吴志豪

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多源深度残差网络的深度图像超分辨率方法及装置，属于深度图像超分辨率领域。由于彩色图像拥有丰富的纹理信息，本发明利用纹理信息丰富的彩色图像引导深度图像进行重建。因为残差信息代表图像的高频信息，因此本发明首先将高分辨率图像下采样至目标低分辨率图像，并且在双分支网络中分别提取输入的低分辨率彩色图像和深度图像的残差信息，然后将提取到的彩色图像和深度图像的残差信息在融合网络中进行融合，最后利用融合后的残差信息和输入的低分辨率深度图像对高分辨率深度图像进行重建。通过本发明提升了网络的重建性能，使得重建后的深度图像有较高质量的纹理信息。

公开(公告)号：CN110930309A

公开(公告)日：2020-03-27

申请号：CN201911140189.3

申请日：2019-11-20

Applicant: 武汉工程大学 ,  武汉烽火技术服务有限公司

Inventor： 卢涛 ,  王宇 ,  张彦铎 ,  姚全锋 ,  杨泳 ,  吴昊 ,  石子慧 ,  石仝彤 ,  陈冲 ,  许若波 ,  周强 ,  郝晓慧 ,  魏博识 ,  郎秀娟 ,  吴志豪 ,  王彬 ,  陈中婷 ,  王布凡 ,  刘奥琦 ,  陈润斌

IPC: G06T3/40 ,  G06T7/33 ,  G06T7/49 ,  G06K9/62

Abstract: 本发明公开了一种基于多视图纹理学习的人脸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：首先将高分辨率人脸图像对下采样至目标低分辨率人脸图像对，将目标低分辨率人脸图像对进行分块操作，分出相互重叠的图像块后，使用残差池化模块网络提取脸部纹理多尺度特征。然后，将提取的脸部多尺度特征发送到纹理注意力模块，以通过计算注意图来融合补偿纹理信息，收集最相似的特征，以更有效的提高SR性能。最后，通过特征融合来更新目标视图图像的特征图以产生高分辨率结果。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。

公开(公告)号：CN110580680A

公开(公告)日：2019-12-17

申请号：CN201910849721.2

申请日：2019-09-09

Applicant: 武汉工程大学 ,  武汉烽火技术服务有限公司

Inventor： 卢涛 ,  许若波 ,  张彦铎 ,  金从元 ,  胡志勇 ,  胡春波 ,  王宇 ,  陈冲 ,  郝晓慧 ,  周强 ,  王彬 ,  郎秀娟 ,  魏博识 ,  吴志豪

IPC: G06T3/40

Abstract: 本发明公开了一种基于组合学习的人脸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：对下采样得到的低分辨率人脸图像进行组件分割；将低分辨率人脸图像和分割后的人脸组件图像块进行分块操作，分出相互重叠的图像块；将图像块输入各组件生成对抗网络产生高分辨率组件图像块，由上采样后的低分辨率人脸背景图像生成高分辨率人脸背景图像；通过融合网络提取高分辨率图像块特征及人脸背景图像组件特征；将两种特征进行融合后，重建得到目标人脸组件图像块；通过人脸组件在人脸图像中的坐标点，将目标人脸组件图像块对应合并至高分辨率人脸背景图像中，形成高分辨率人脸图像。本发明可以提高网络的重建性能，产生更高质量的人脸图像。