-
公开(公告)号：CN110166784A
公开(公告)日：2019-08-23
申请号：CN201810042528.3
申请日：2018-01-17
Applicant: 重庆邮电大学
IPC: H04N19/467
Abstract: 本发明公开了一种基于像素块的自适应图像纹理区隐写方法。主要为了提高载密图视觉和统计的不可见性，优先选择纹理区隐写，定义了一种像素块纹理复杂度的度量标准，根据度量标准和隐写容量选择阈值，根据最优阈值和度量标准选择纹理区。为了最小化失真度，设计了嵌入模板以及将嵌入模板对应的相邻像素对作为嵌入组，利用钻石编码实现隐写，并且对嵌入密钥进行两层加密。该发明嵌密阶段保证密信加密与二进制序列的转换，再把二进制序列嵌入纹理区，提取阶段保证从载密图中提取二进制序列，从而解码与还原密信。利用该发明选择的纹理区和对应嵌入模板隐写密信，能够提高隐写安全性。
-
公开(公告)号：CN115018733B
公开(公告)日：2025-04-04
申请号：CN202210746258.0
申请日：2022-06-29
Applicant: 重庆邮电大学
IPC: G06T5/60
Abstract: 本发明属于数字图像处理领域，具体涉及一种基于生成对抗网络的高动态范围成像及鬼影去除方法；所述方法通过引入基于双重注意力机制的特征提取模块，对视频图像连续帧的语义和像素特征进行提取，以提升图像融合的细节和纹理特征；为有效地提升成像质量和算法鲁棒性，同时解决GAN网络中的梯度消失和模式崩溃问题，本文研究基于球面距离的损失函数，以解决运动目标位移大在合成阶段产生的大范围鬼影问题。
-
公开(公告)号：CN119204324A
公开(公告)日：2024-12-27
申请号：CN202411314846.2
申请日：2024-09-20
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q50/14 , G06V20/40 , G06V20/52 , G06V40/10 , G06T7/292 , G06N3/042 , G06N3/0442 , G06N3/045 , H04N23/50
Abstract: 本发明涉及一种景区游客轨迹的景点流量预测方法，属于流量预测技术领域，包括以下步骤：S1：在景区布设视频图像接入网络，包括服务器和在景区内各关键景点、游玩点及景区出入口安装的摄像头；S2：对视频图像接入网络采集的视频进行行人检测和行人重识别检索；由设置在景区出入口的摄像头检测标记行人ID，通过行人重识别得到各行人ID的游客在景点出现的视频图像信息；S3：构建景点轨迹时间频谱图、基于邻接关系有向图得到轨迹路线统计图；S4：构建景点轨迹流量图时间序列和景点流量预测模型，对景区内各景点线路和景点流量进行预测和预警。
-
公开(公告)号：CN115361670B
公开(公告)日：2024-04-16
申请号：CN202210982253.8
申请日：2022-08-16
Applicant: 重庆邮电大学
Abstract: 本发明属于通信技术领域，具体涉及一种车联网动态自组网通信方法，包括：车载节点在组网信道发送节点广播信息，并通过广播信息申请加入网络；车载节点监听广播信息建立并维护一个邻居表，该邻居表中的邻居节点是该车载节点第一通信范围内可进行点对点通信的车载节点；车载节点通过向邻居节点申请添加互信节点，当两个节点互相成为互信节点后，可以进行跨设备节点无线覆盖范围通信；当两个互信节点利用中继节点进行跨设备通讯时，路由表保存在通信IP包内，中继节点不需本地保存路由表；本发明将组网广播信道与信息信道进行物理区隔，提高邻居节点发现速度，减少信道冲突，车辆间能快速识别相对位置，为自动驾驶技术提供良好的辅助数据支撑。
-
公开(公告)号：CN115361670A
公开(公告)日：2022-11-18
申请号：CN202210982253.8
申请日：2022-08-16
Applicant: 重庆邮电大学
Abstract: 本发明属于通信技术领域，具体涉及一种车联网动态自组网通信方法，包括：车载节点在组网信道发送节点广播信息，并通过广播信息申请加入网络；车载节点监听广播信息建立并维护一个邻居表，该邻居表中的邻居节点是该车载节点第一通信范围内可进行点对点通信的车载节点；车载节点通过向邻居节点申请添加互信节点，当两个节点互相成为互信节点后，可以进行跨设备节点无线覆盖范围通信；当两个互信节点利用中继节点进行跨设备通讯时，路由表保存在通信IP包内，中继节点不需本地保存路由表；本发明将组网广播信道与信息信道进行物理区隔，提高邻居节点发现速度，减少信道冲突，车辆间能快速识别相对位置，为自动驾驶技术提供良好的辅助数据支撑。
-
Patent Agency Ranking
公开(公告)号：CN114549909A
公开(公告)日：2022-05-27
申请号：CN202210209902.0
申请日：2022-03-03
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于遥感图像识别领域，特别涉及一种基于自适应阈值的伪标签遥感图像场景分类方法，包括先使用对抗生成网络对源域数据集进行初步的扩充，然后将扩充后的数据集在骨干网络中通过高斯引导将数据进行浅层对齐，之后接入一个具有两个分类器的伪标签模块生成目标域的伪标签；将两个分类方差正则化并作为自适应阈值对交叉熵损失进行修正，当主分类器和辅助分类器二者之间的预测距离很大时，就表示该标签是错误的，对于这种不确定的样本就不进行惩罚，即抛弃掉错误的标签样本，将预测距离较小的作为伪标签；之后得到带伪标签的目标域和源域送入域分辨器中，更好地拉近了源域和目标域的特征距离；本发明可以更好的应用在遥感图像场景分类上。
-
公开(公告)号：CN114549365A
公开(公告)日：2022-05-27
申请号：CN202210209912.4
申请日：2022-03-03
Applicant: 重庆邮电大学
Abstract: 本发明属于雷达图像增强领域，具体涉及一种用于目标检测的无人机载高保真SAR图像重建方法，该方法包括：获取待重构的SAR图像，对SAR图像进行预处理，将预处理后的图像输入到训练好的神经网络中，得到重构后的SAR图；所述神经网络包括编码器、解码器、判别器和分类器；在本发明中对于判别器使用了Wasserstein距离，对于生成器中间层使用了KL散度，多种损失函数同时使用，可以有效解决网络在训练时不稳定的问题，提高生成图像的质量。
-
公开(公告)号：CN109871713A
公开(公告)日：2019-06-11
申请号：CN201910110938.1
申请日：2019-02-12
Applicant: 重庆邮电大学
IPC: G06F21/62 , G06F16/953
Abstract: 本发明涉及基于网页机器人的隐私保护方法领域，特别涉及一种基于网页机器人的隐私保护方法，包括在用户添加一个网页机器人，该网页机器人包括一个词库；当用户进行搜索时，网页机器人通过分析用户信息得到用户的发送规律；网页机器人从用户信息中提取关键词，网页机器人将提取的关键字在网页机器人的词库中进行检索，将词库中该关键字所在的分类排除，在剩余关键词分类中获取多个词组作为干扰关键词；在用户进行搜索的同时，根据用户的发送规律将用户的搜索信息和网页机器人产生干扰关键词进行统一接收、统一发送；本发明有效隐藏用户真正发送的信息，防止服务器进行行为分析识别用户发送的真正信息，最终达到更有效的个人隐私保护。
-
公开(公告)号：CN118691488A
公开(公告)日：2024-09-24
申请号：CN202410721103.0
申请日：2024-06-05
Applicant: 重庆邮电大学
IPC: G06T5/60 , G06T5/70 , G06T5/77 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于伪孪生编码器的图像雨滴去除方法；包括：获取并预处理得到待去除雨滴图像和无雨滴图像；对两种雨滴图像进行特征提取，得到待去除雨滴图像的雨滴特征和干净背景特征、无雨滴图像的干净背景特征；对雨滴特征和待去除雨滴图像的干净背景特征进行联合解码，得到雨滴去除图像；对两种干净背景特征进行联合解码，得到干净背景重建图像；将雨滴去除图像和无雨滴图像组成第一样本对并将其输入到雨滴去除图像判别器中，得到第一判别结果；将干净背景重建图像和无雨滴图像组成第二样本对并将其对输入到干净背景重建图像判别器中，得到第二判别结果；计算网络训练总损失并调整网络参数，得到训练好的雨滴去除网络；本发明提高了网络整体的性能，可实现更好图像雨滴去除性能。
-
公开(公告)号：CN118037593A
公开(公告)日：2024-05-14
申请号：CN202410188320.8
申请日：2024-02-20
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种图像阴影去除方法，包括利用特征分离重建网络分离阴影图像和无阴影图像的直射光和环境光，并利用联合解码器对分离特征进行重建获得初步阴影去除结果；对掩膜进行膨胀，以获取阴影区域边界和局部非阴影区域先验；利用非阴影信息引导网络，对阴影边缘伪影进行修复，并将先验信息传递至阴影区域，以减少去除结果存在的伪影和两区域间的色差；本发明利用非对称编码器分离环境光和直射光的思想，将学习复杂映射转化为学习环境光和直射光的单一映射问题，并使用局部非阴影先验缓解去除结果的伪影和色差，从而得到高质量的无阴影图像。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.024 seconds)
