-
公开(公告)号：CN117726540A
公开(公告)日：2024-03-19
申请号：CN202311780241.8
申请日：2023-12-22
Applicant: 郑州轻工业大学
IPC: G06T5/70 , G06N3/0455 , G06N3/08
Abstract: 本发明提出了一种增强门控Transformer的图像去噪方法，步骤如下：将数据集中的所有图像进行预处理，并生成原始‑噪声图像对，作为训练集；以U型结构为主体架构，将Transformer块与上下采样作为编码解码结构，通过跳层连接Transformer块构成图像去噪模型；将训练集中的含噪图像输入图像去噪模型中进行学习训练，获得不同噪声水平的模型权重；将含噪图片输入训练好的图像去噪模型，利用对应的图像去噪模型的模型权重进行处理，获得去噪后的图像。本发明在高噪声水平的合成去噪任务中表现出卓越的性能，且能够在现实降噪任务中恢复更详细的信息，有效解决了在传感器采集、图像传输和处理过程中噪声影响的问题。
-
公开(公告)号：CN111915647B
公开(公告)日：2021-08-13
申请号：CN202010685128.1
申请日：2020-07-16
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种对象标签引导的自适应视频目标跟踪方法，其步骤为：1）采用一个已经训练好的深度特征提取网络对输入的帧与目标的外观进行表征；2）通过深度特征建立深度特征空间采样来维持跟踪器的效率；3）通过区域建议网络获得当前帧的对象信息，并对冗余对象信息进行过滤与选择；4）将对象信息转化为对象标签引导一个Wang‑langau蒙特卡洛抽样算法来预测目标下一帧的位置；5）利用自适应更新的目标模板选择性的更新目标信息。本本发明利用对象信息为采样提供了引导，减少总体样本数量，保证了跟踪的效率，增强跟踪方法的在全局的探索能力；通过改进的自适应模板更新机制，减少跟踪框架在面对目标不确定运动时的更新误差，提高跟踪精度。
-
公开(公告)号：CN111640080B
公开(公告)日：2021-03-16
申请号：CN202010506222.6
申请日：2020-06-05
Applicant: 郑州轻工业大学
IPC: G06T5/00
Abstract: 本发明提出了一种基于高光谱全变差的CS图像去噪重建方法，步骤如下：初始化重建图像、迭代索引值和含噪观测值；利用含噪观测值对获得的重建图像进行迭代更新获得估计值；将估计值分别输入到基于l1‑范数和HTV的CS重建模型中获得中间重建图像；使用Starlet变换对中间重建图像进行稀疏表示获得Starlet系数；利用新阈值算子和改进BayeShrink阈值对Starlet系数进行去燥滤波获得曲波系数；对曲波系数进行Starlet逆变换，获得重建图像；判断是否满足迭代停止条件，循环迭代。本发明在去除高噪声图像中大部分噪声信息的同时，能够有效保护图像中的细节和纹理等特征信息，且实现简单，鲁棒性较强，有效地解决了高噪声图像的去噪重建问题。
-
公开(公告)号：CN111008779A
公开(公告)日：2020-04-14
申请号：CN201911219496.0
申请日：2019-12-03
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于多因素评估模型的变压器健康状态评估方法，其步骤为：将评估电力变压器健康状态的因素构建成一个分层的架构，并确定因素与其子因素之间的对应关系；将电力变压器的健康状态分为不同的等级；将最底层中各因素的状态数据归一化处理并计算出状态值；利用改进的模糊AHP方法计算所有因素的权重；利用多因素评估模型，从最底层开始自下而上逐层进行多因素状态评估，在最顶层给出多因素状态评估结果；依据最大隶属原则，确定多因素状态评估结果所隶属的电力变压器健康状态等级，定位电力变压器中潜在的故障类型和故障位置。本发明更准确、更具有说服力，而且能够指示变压器潜在故障的原因和位置，适用于多重潜在故障的电力变压器。
-
-
-
Search Results
14
records
(took 0.022 seconds)
