-
公开(公告)号：CN111915545B
公开(公告)日：2022-07-05
申请号：CN202010784272.0
申请日：2020-08-06
Applicant: 中北大学
Abstract: 本发明涉及多波段图像融合方法，具体为基于多判别器生成对抗网络的多波段图像自监督融合方法，本方法按如下步骤进行：设计并构建生成对抗网络，网络由一个生成器和多个判别器组成，且标签图像为多波段源图像自身；生成器网络结构采用构思的特征增强模块、特征融合模块两部分组成，通过生成器和判别器的动态平衡训练得到一个生成模型并得到多波段图像融合结果。本发明实现了多波段图像端到端自监督融合的神经网络，结果具有更好的清晰度、信息量，细节信息更丰富，更符合人眼视觉特性。
-
公开(公告)号：CN111696066B
公开(公告)日：2022-04-19
申请号：CN202010538631.4
申请日：2020-06-13
Applicant: 中北大学
Abstract: 本发明涉及多波段图像同步融合与增强方法，即同步实现多波段图像融合和图像超分辨率，具体为基于改进WGAN‑GP的多波段图像同步融合与增强方法,本方法按如下步骤进行：设计并构建生成对抗网络，网络结构采用构思的特征提取（编码）网络、特征组合网络和解码网络三部分组成，通过生成器和判别器的动态平衡训练得到一个生成模型并得到融合增强结果。本发明实现了多波段图像端到端同步融合与增强的神经网络，使得低分辨率源图像融合出高质量融合结果。
-
公开(公告)号：CN110555458B
公开(公告)日：2022-04-19
申请号：CN201910672081.2
申请日：2019-07-24
Applicant: 中北大学
Abstract: 本发明涉及图像融合方法，尤其涉及多波段图像融合方法，具体为基于注意力机制生成对抗网络的多波段图像特征级融合方法。本方法按如下步骤进行：设计并构建生成对抗网络，生成器中包含混合注意力机制的特征增强模块，通过生成器和判别器的动态平衡训练得到一个生成模型；本方法实现了多波段图像端到端的神经网络融合，显著提高了融合图像的细节质量。
-
公开(公告)号：CN113112441A
公开(公告)日：2021-07-13
申请号：CN202110480624.8
申请日：2021-04-30
Applicant: 中北大学
Abstract: 本发明涉及多波段图像同步超分与融合方法，即同步实现多波段图像融合和图像超分辨率，具体为基于密集网络和局部亮度遍历算子的多波段低分辨率图像同步融合方法,本方法按如下步骤进行：设计并构建生成对抗网络，网络结构采用构思的特征提取模块、特征融合模块和图像超分辨率模块三部分组成，通过生成器和判别器的动态平衡训练得到一个生成模型并得到融合增强结果。损失函数中内容损失的亮度提取部分采用构造的局部亮度遍历算子。本发明实现了多波段图像端到端同步超分与融合神经网络，由于在网络最后一层才放大源图像，大大提升网络的效率，降低资源耗费。
-
公开(公告)号：CN105069788B
公开(公告)日：2017-11-21
申请号：CN201510475968.4
申请日：2015-08-05
Applicant: 中北大学
Abstract: 本发明公开了一种古建墙壁题记受污毛笔文字图像聚类分割方法，属于古建数字化修复领域。该方法首先构建偏微分模型对采集图像进行去噪处理，并根据题记图像的光照特征，进行分块增强；其次，利用最大类间方差法分割增强后图像，并作形态学处理；然后对处理后图像进行区域定位，得到文字区域的最小外接矩形，并在增强后图像中标出对应的文字区域；最后，对文字区域进行首次FCM聚类确定聚类中心矩阵，并利用平均灰度相似度和距离惩罚函数约束隶属度，进行NKFCM聚类和去模糊处理后，得到最终聚类分割图像。该方法既能有效的排除噪声对聚类的影响，又能保持分割的完整性，提取出质量较高的题记文字。本发明主要用于古建墙壁题记受污毛笔文字的聚类分割。
-
Patent Agency Ranking
公开(公告)号：CN103743822B
公开(公告)日：2016-06-08
申请号：CN201410039232.8
申请日：2014-01-27
Applicant: 中北大学
IPC: G01N29/14
Abstract: 本发明涉及无损检测领域中的粘接质量检测方法，具体为一种提高金属与非金属粘接质量声激励检测精度的方法，本方法具体包括以下步骤：（1）选取检测粘接构件；（2）利用声激励检测技术，对声阵列信号进行采集；（3）对单传感器粘接特征进行提取；（4）确定单传感器粘接特征的权重；（5）对单传感器粘接特征进行BP人工神经网络处理；（6）基于方差的数据融合算法实现多传感器拉脱力的融合。本发明将不同粘接特征做不同处理，主要粘接特征赋予的权重较高，而次要粘接特征的权重较低，体现了主要粘接特征和次要粘接特征对粘接质量检测的不同作用，减少拉脱力的预报误差，同时大大提高了粘接质量检测的精度。
-
公开(公告)号：CN104952070A
公开(公告)日：2015-09-30
申请号：CN201510307309.X
申请日：2015-06-05
Applicant: 中北大学
IPC: G06T7/00
Abstract: 本发明涉及农业遥感图像分割技术，具体为一种类矩形引导的玉米田遥感图像分割方法。该方法首先采用SUSAN算子对融合后的卫星遥感图像进行边缘提取，然后根据闭合区域与外接类矩形的关系构建类矩形引导的相关函数，最后将类矩形阈值函数引入基于图的分割算法中实现特定形状的地块分割。该方法能获得较为理想的分割结果，减少了同物异谱所造成边界区域过分割小块，更符合玉米田面积实际统计结果。本发明主要用于大面积玉米种植面积遥感测量中。
-
公开(公告)号：CN104766283A
公开(公告)日：2015-07-08
申请号：CN201510177721.4
申请日：2015-04-15
Applicant: 中北大学
IPC: G06T5/00
Abstract: 本发明公开了一种墓葬壁画图像的数字化修复方法，属于数字图像修复领域。该方法利用全变分数学模型对墓葬壁画图像进行分解，得到卡通图像；在优先级计算中加入结构因子项，并利用卡通图像驱动待修复边缘点的优先级计算；以优先级最大的点为中心构建修复块，并在已知区域搜索与其欧氏距离最小的样本块；计算修复块和样本块的均值像素差平方和，并与设定阈值进行比较，自适应地调整修复块尺寸，直到满足复制条件，进行样本块复制和边缘更新；最后，检查待修复区域，不为空则迭代上述步骤，直至完成修复。该方法克服了已有方法修复中产生的不连贯和过延伸等问题。本发明主要用于（但不限于）墓葬壁画图像的虚拟修复。
-
公开(公告)号：CN119693749A
公开(公告)日：2025-03-25
申请号：CN202411746178.0
申请日：2024-12-02
Applicant: 中北大学
IPC: G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 针对复杂背景下仅靠可见光图像难以提取有效特征、易受周围环境、干扰物影响等难题，本发明提出一种基于特征对齐融合的双波段图像描述生成方法。本发明网络模型首先将输入的可见区域和红外网格特征传入融合位置注意模块和FFN分别获得融合位置特征；然后，利用混合交叉模块将融合位置特征进行注意力计算，输出的特征中包含不同波段的信息；最后，通过传统Transformer的解码器模块和自适应模块输出该图像对的文本描述，以实现复杂背景下的图像描述。本发明可对复杂场景（例如目标被遮挡、昏暗环境、雨雾等特殊场景）进行全面、准确的描述。
-
公开(公告)号：CN119691552A
公开(公告)日：2025-03-25
申请号：CN202411756681.4
申请日：2024-12-03
Applicant: 中北大学
IPC: G06F18/241 , G06F18/25 , G06F18/21 , G06N3/045 , G06N3/084
Abstract: 针对现有的多模态情感分析在处理多模态数据时忽视不同模态的共有特征和独有特征联系的问题，本发明提出了一种基于特征解耦和图注意力网络的多模态情感分析方法。通本发明网络模型输入文、视觉、语音三种模态的信息，首先，利用预训练之后的不同模型作为特征提取器；然后过对比学习，将每种模态的特征分解为模态独有特征和模态间共有特征，实现特征向量的有效解耦，从而促进融合模型对情感信息的有效学习；接着，利用解耦后的特征构建静态图，并采用图注意力网络学习多模态情感特征；最后，通过线性层对融合特征进行分类，以预测情感标签。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.021 seconds)
