-
公开(公告)号：CN117372262A
公开(公告)日：2024-01-09
申请号：CN202311094702.6
申请日：2023-08-28
Applicant: 北京理工大学 , 北京市遥感信息研究所
IPC: G06T5/00 , G06T5/60 , G06N3/08 , G06N3/0895
Abstract: 本发明提出一种基于噪声迭代估计的自监督图像降噪增强方法，包括，获取带噪图像，构建盲点预处理去噪网络；构建并基于盲点预处理去噪网络训练噪声估计网络，通过噪声估计网络生成成对带噪图像；利用成对带噪图训练深度所述盲点预处理去噪网络，得到深度去噪网络；对深度去噪网络和所述噪声估计网络进行迭代优化；使用训练好的深度去噪网络和噪声估计网络对真实带噪图像进行去噪与成像。本发明提出的方法能够通过仅使用单张带噪数据集，完成噪声参数估计和去噪网络的训练，解放了深度去噪网络对成对数据的强依赖性。
-
公开(公告)号：CN117252757A
公开(公告)日：2023-12-19
申请号：CN202310972495.3
申请日：2023-08-03
Applicant: 北京理工大学
IPC: G06T3/40 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提出了基于自然图像先验的高光谱图像超分辨率方法及系统，属于高光谱图像处理技术领域。首先使用大规模自然图像数据集预训练空间纹理先验模型。然后联合优化光谱响应函数和空间引导融合网络，在优化时冻结空间纹理先验模型的参数，专注于学习光谱相关性。解冻空间纹理先验模型的参数，联合优化网络并学习空间‑光谱相关性知识，获得最终的空间引导超分辨率网络参数。利用所学习到的网络参数对输入图像进行处理，获得超分辨率后的高分辨率高光谱图像。系统包括光谱响应函数模块、空间纹理先验模块和空间引导融合模块。本发明有效解决了现有方法存在的恢复效果不佳、空间纹理知识无法复用等问题，能够提供更高质量的高光谱图像数据。
-
公开(公告)号：CN117173032A
公开(公告)日：2023-12-05
申请号：CN202310729105.X
申请日：2023-06-19
Applicant: 北京理工大学 , 中国科学院西安光学精密机械研究所
IPC: G06T5/00 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/0499
Abstract: 本发明提出一种基于可学习先验的光谱去噪方法，包括，获取带噪的高光谱图像；构造混合光谱去噪变换器，所述混合光谱去噪变换器包括：光谱空间可分离卷积单元、引导光谱自注意力、可学习查询、自调制前馈网络；将所述带噪的高光谱图像输入混合光谱去噪变换器，实现光谱去噪。通过本发明提出的方法，可以在数据不足的情况下，能够联合利用具有不同频带数的光谱图像进行更充分的训练。
-
公开(公告)号：CN116052268A
公开(公告)日：2023-05-02
申请号：CN202211664772.6
申请日：2022-12-23
Applicant: 北京理工大学
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/82 , G06V10/778 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于细粒度运动模式选择的步态识别方法及系统，属于计算机视觉及生物识别技术领域。本发明首次提出了一个结构简单且有效的细粒度动作模式选择的步态识别模型，能够从大规模的特征点中筛选出多种外部条件变化下鲁棒的点位特征，从而有效实现高精度的步态识别。本发明有效解决了现有方法中步态识别准确率较低的问题，以及由于缺乏细粒度特征提取和运动模式选择而造成的步态特征表达不充分的问题，为现实场景下的布控提供了一个网络结构较为简单有效的方案。
-
公开(公告)号：CN115713515A
公开(公告)日：2023-02-24
申请号：CN202211461432.3
申请日：2022-11-21
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于量子图像传感器的单光子计数成像系统及方法，属于图像信息处理技术领域。系统包括图像获取模块、图像预处理模块、图像去噪模块、最优参数序列决策模块和图像重建模块。首先对量子图像传感器获取的二进制观测数据统一进行预处理，获得待重建图像。然后，将训练好的深度卷积神经网络作为去噪器插入即插即用的交替方向乘子法框架中，构建单光子图像迭代重建流程。将迭代重建流程建模为马尔可夫过程，通过强化学习算法求解其中最优参数序列，将求得最优参数序列代入迭代重建流程中，得到最终的重建图像。本发明仅需一次训练便可得到用于多个过采样率下单光子图像重建的自动参数选取策略，有效实现更快的收敛速度和更好的重建质量。
-
Patent Agency Ranking
公开(公告)号：CN113052121B
公开(公告)日：2022-09-06
申请号：CN202110377329.X
申请日：2021-04-08
Applicant: 北京理工大学
IPC: G06V20/13 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G09B29/00
Abstract: 本发明公开了一种基于遥感影像的多层级网络地图智能生成方法，属于计算机视觉技术领域。本方法使用初步生成算法模型生成初步网络地图，该模型将层级编号拓展为图像尺寸的归一化标识，协助模型习得不同层级地图的绘制特征，使模型能够根据不同层级内容相近的遥感影像准确生成具有各层级不同绘制特征的网络地图，生成有详有略、存在合理差异性的多层级网络地图。使用地图改善算法模型生成精修网络地图，该模型使用高层精修网络地图辅助低层地图生成，使模型学习到不同层级地图间的一致性，保证不同层级对应区域网络地图间的一致性。本方法无需人工收集地面矢量数据，只需利用航空或者卫星拍摄的遥感影像，可自动根据输入的图像完成网络地图的生成。
-
公开(公告)号：CN114972061A
公开(公告)日：2022-08-30
申请号：CN202210352440.8
申请日：2022-04-04
Applicant: 北京理工大学
IPC: G06T5/00
Abstract: 本发明涉及一种暗光视频去噪增强方法及系统，属于计算机视觉技术领域。本发明利用时间空间的自相似性，并结合了基于3D窗口的自注意力机制。通过3D注意力来利用自然视频中的自相似性，同时采用U型网络设计。本发明结合了深层卷积，可以更好地利用视频中存在的冗余细节，特别是在连续帧之间。通过使用基于窗口的自注意力来处理长距离的依赖关系，使用深度卷积来处理局部性，网络在空间和时间上都结合了有效信息。本发明能够在不依靠任何额外设备的情况下，高效率地对高质量有噪声、无噪声视频数据对进行收集，视频场景能够包含日常生活中的几乎所有场景，尤其适用于低光照条件，能够保证在真实视频去噪时的有效性与稳定性。
-
公开(公告)号：CN114881899A
公开(公告)日：2022-08-09
申请号：CN202210381932.X
申请日：2022-04-12
Applicant: 北京理工大学
Abstract: 本发明公开了一种用于可见光与红外图像对的快速保色融合方法及装置，属于图像信息处理技术领域。首先获得相同大小且已对齐的可用于融合算法的可见光‑红外输入图像对。针对输入图像对中的每一像素对，首先根据RGB色彩空间下的可见光像素的亮度值计算增强上限值；然后，根据红外像素值计算增强比例；之后，根据增强上限值和增强比例计算最终增强乘数；最后，根据增强乘数将可见光像素进行增强，将最终结果限制在规定范围内，得到可见光‑红外融合图像。本发明为可见光与红外视频实时监控以及更高层次的计算机视觉任务提供了丰富的色彩信息和高目标辨识度，同时大幅缩小了计算量。
-
公开(公告)号：CN114399431A
公开(公告)日：2022-04-26
申请号：CN202111475305.4
申请日：2021-12-06
Applicant: 北京理工大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于注意力机制的暗光图像增强方法，属于计算机视觉技术领域。本方法使用非监督式循环对抗生成网络，通过内容无关联的暗光/正常亮度图像对，得到视觉效果明显改善的预测结果，并进一步利用身份不变损失对其施加亮度约束，将自适应真实暗光图像不同亮度水平区域的过程整合到网络训练学习阶段中，提高了模型的鲁棒性和泛化能力；采用编解码结构网络模型作为主干生成器网络，通过施加光照感知注意力机制方式，提高网络对空间和全局特征信息的敏感度和学习能力，能充分利用多尺度特征信息选择性强调真实暗光图像中有益的特征响应并抑制用处不大的响应，获得噪声抑制明显、颜色估计正确、亮度水平合理、视觉效果良好的高质量增强结果。
-
公开(公告)号：CN113763271A
公开(公告)日：2021-12-07
申请号：CN202111029792.1
申请日：2021-09-03
Applicant: 北京理工大学
Abstract: 本发明公开的一种基于物理噪声模型的高质量光谱去噪方法，属于计算摄像学领域。本发明实现方法为：分析高光谱相机的物理成像过程，根据噪声源分析建立高光谱相机的物理噪声模型，使用统计建模的方式标定物理噪声模型参数，构建高质量仿真噪声数据集，训练高光谱去噪神经网络，能够在显著节省构建高光谱去噪数据集所用的采集图像资源，实现高效率和高精度高光谱图像去噪。本发明能够高质量地完成基于扫描的高光谱相机的高光谱图像去噪，在显著节省构建高光谱去噪数据集所用的采集图像资源，实现高效率和高精度高光谱图像去噪，提高成像质量，扩展高光谱图像的应用范围。本发明能够用于地质勘探、农业生产和生物医学等多个领域。
-
-
-
-
-
-
-
-
-
Search Results
146
records
(took 0.034 seconds)
