-
公开(公告)号：CN108447020A
公开(公告)日：2018-08-24
申请号：CN201810201306.1
申请日：2018-03-12
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种基于极深卷积神经网络的人脸超分辨率重建方法，包括如下步骤：一、对高分辨率人脸图像进行不同倍数下采样并处理后，获得低分辨率人脸图像的训练集；二、对另外一组高分辨率人脸图像进行不同倍数下采样并处理后，获得低分辨率人脸图像的测试集；三、将步骤一得到的训练集和步骤二得到的测试集放入极深卷积网络进行训练，学习残差图像的映射，并得到相对应的卷积网络模型；四、将需要重建的低分辨率人脸图像输入步骤三学习得到的卷积网络模型得到重建的高分辨率人脸图像。本发明的有益效果是：所述基于极深卷积神经网络的人脸超分辨率重建方法可以较好的处理多尺度放大系数的超分辨率重建问题。
-
公开(公告)号：CN107945146A
公开(公告)日：2018-04-20
申请号：CN201711180763.9
申请日：2017-11-23
Applicant: 南京信息工程大学
CPC classification number: G06T5/50 , G06N3/0454 , G06T3/4053 , G06T2207/20221
Abstract: 本发明提供了一种基于深度卷积神经网络的时空卫星图像融合方法。所述基于深度卷积神经网络的时空卫星图像融合方法包括如下步骤：训练阶段：选取对应的Landsat图像和MODIS图像形成Landsat-MODIS图像对，并对Landsat图像进行下采样，得到接近MODIS空间分辨率的LSR Landsat图像，根据Landsat图像、MODIS图像和LSR Landsat图像的组合进行训练，并分别得到非线性映射CNN网络和超分辨率重建CNN网络；预测阶段：分别选取日期t1和t3的Landsat-MODIS图像对，基于训练阶段得到的非线性映射CNN网络和超分辨率重建CNN网络，预测位于日期t1和t3之间的日期t2的Landsat预测图像。
-
公开(公告)号：CN107657625A
公开(公告)日：2018-02-02
申请号：CN201710810535.9
申请日：2017-09-11
Applicant: 南京信息工程大学
CPC classification number: G06T7/215 , G06T7/251 , G06T2207/10016 , G06T2207/20081
Abstract: 本发明公开了融合时空多特征表示的无监督视频分割方法，利用目标运动信息，显著性特征及颜色特征的差异，进行目标的特征提取识别，并结合高斯混合模型实现对目标的稳定准确分割。该方法包括超像素分割，光流匹配，优化匹配结果，建立图模型并求解超像素等级的分割结果，利用分割结果训练高斯混合模型参数，求解像素等级分割结果，结合已有的超像素及像素等级分割结果，得到最终的分割结果。对每一帧图像进行超像素分割极大地降低了运算的复杂度，而利用非局部时空信息对光流得到的匹配信息进行优化则可以提高分割的鲁棒性。混合高斯模型的引入弥补了超像素分割过程中边缘匹配误差大的不足，显著性特征则进一步提高了分割结果的准确度及可信度。
-
公开(公告)号：CN107038684A
公开(公告)日：2017-08-11
申请号：CN201710227615.1
申请日：2017-04-10
Applicant: 南京信息工程大学
IPC: G06T3/40
Abstract: 本发明公开了一种提升微波成像仪空间分辨率的方法，包括以下步骤：第一步通过学习一个光谱字典对来把光学和微波图像在光谱上联合起来，然后把光学图像的空间信息通过稀疏编码把它转化到微波图像，得到一个空间分辨率提高的微波图像；第二步使用一个引导滤波器来对空间分辨率增强图像的光谱信息进行提升。为了形成一个统一的不论有无云污染的光学图像的融合框架，本发明还提出了一个基于学习的在有云污染情况下的超分辨率的方法。相较于目前那些不借助于光学信息的方法，本发明的方法能得到更好的实验结果，给人更好的视觉效果。
-
公开(公告)号：CN116309202A
公开(公告)日：2023-06-23
申请号：CN202310320053.0
申请日：2023-03-29
Applicant: 南京信息工程大学
IPC: G06T5/40 , G06T5/00 , G06V10/80 , G06V10/774 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种基于直方图均衡化先验的无监督低光增强方法，包括如下步骤：获取待增强的低光图像；将待增强的低光图像输入至预构建并训练好的无监督低光增强模型中；基于无监督低光增强模型的光照增强模块，对待增强的低光图像进行频域特征提取和级联特征学习，得到反射图像；基于无监督低光增强模型的噪声去除模块，对反射图像进行内容编码和去噪处理，得到增强后的低光图像。本发明能够有效的分解低光图像并分离噪声和内容，恢复更精细的细节，且显著提高复杂低光环境中的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN110136063B
公开(公告)日：2023-06-23
申请号：CN201910392719.7
申请日：2019-05-13
Applicant: 南京信息工程大学
IPC: G06T3/40 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于条件生成对抗网络的单幅图像超分辨率重建方法。在生成对抗网络的判别器网络中加入判别条件，即原始真实图像。在生成器网络中加入深度残差学习模块来实现高频信息的学习和缓解梯度消失的问题。将需要重建的单张低分辨率图像输入至预先训练好的条件生成对抗网络中，进行超分辨率重建，得到重建的高分辨率图像；所述条件生成对抗网络模型的学习步骤包括：将高低分辨率训练集输入到条件生成对抗网络模型中，并使用预先训练好的模型参数作为该次训练的初始化参数，通过损失函数来判断整个网络的收敛情况，当损失函数收敛时，得到最终训练好的条件生成对抗网络模型，并保存模型参数。
-
公开(公告)号：CN115546511A
公开(公告)日：2022-12-30
申请号：CN202210691998.9
申请日：2022-06-17
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于图卷积梯度引导的多分支协同显著性检测方法。在相似度提取分支中，我们用CNN提取输入的一组图片的浅层和中层特征。在图卷积分支中，我们用GCN对这组图片进行特征提取，剔除背景噪声，得到平滑的深层特征。将此二分支高维特征进行融合，得到一组具备鉴别性的共识表示，再将此共识表示逐次与组内单张图片特征信息进行融合，得到一组高维图像级信息，利用反向传播中的梯度信息来引导模型关注具有鉴别性的特征。我们进一步利用坐标轴注意力机制，协助在引导深层信息指导上采样过程中恢复目标边界，最终获得协同显著性图。本发明的协同显著性检测算法在干扰目标多样、背景杂乱的场景中能显著地提高准确性和鲁棒性。
-
公开(公告)号：CN109064492B
公开(公告)日：2022-04-01
申请号：CN201810826449.1
申请日：2018-07-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于流形正则化的上下文相关滤波视频跟踪方法，该相关滤波跟踪方法的基础样本采用中心区域及其周围区域作为正负样本，并在一系列的循环样本中加入流形结构，进行离散傅里叶变换快速计算。本发明提出的一种基于流形正则化的上下文相关滤波视频跟踪方法有效地利用了目标上下文区域间的结构信息，构建了流形正则项来约束目标函数，很好地抑制了混乱背景下的噪声，显著地提高了跟踪算法的精度和稳健性。
-
公开(公告)号：CN113936145A
公开(公告)日：2022-01-14
申请号：CN202111173394.7
申请日：2021-10-08
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于注意力图排序的细粒度识别方法，属于计算机视觉和模式识别技术领域；首先，获取原图像特征；使用3*3卷积Conv、全局最大池化GAP和全局平均池化GMP对第三个卷积层的输出结果进行处理，将处理结果进行全连接来得到多尺度的原图像特征；然后，进行弱监督注意力学习；然后，进行定位与细化，通过边界框定位出细粒度识别区域并提取该区域的特征；然后，将注意力图按重要性排序算法进行排序，通过边界框选取出最有鉴别性的区域并提取该区域的特征；通过注意力图重要性排序算法，强化对最有鉴别性区域的学习；最后，将原图像、定位出的细粒度识别区域、选取的最有鉴别性的区域三个层面的特征进行级联。
-
公开(公告)号：CN110473144A
公开(公告)日：2019-11-19
申请号：CN201910725326.3
申请日：2019-08-07
Applicant: 南京信息工程大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于拉普拉斯金字塔网络的图像超分辨率重建方法，包括通过多张低分辨率图像依次对生成器网络和判别器网络进行优化，得到训练后的生成器网络；通过训练后的生成器网络，将待重建的低分辨率图像重建为高分辨率图像。其中，本发明的生成器网络采用拉普拉斯金字塔网络，以逐步上采样重建HR图像，从而可以更好地重建大尺度的图像；同时，本发明通过沿着通道轴连接高级和低级特征以学习残差图像，以提高泛化能力，使重建的图像在视觉上边缘更清晰，纹理更丰富。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.033 seconds)
