-
公开(公告)号：CN114998142B
公开(公告)日：2024-08-06
申请号：CN202210650894.3
申请日：2022-06-08
Applicant: 武汉工程大学
IPC: G06T5/73
Abstract: 本发明提供了一种基于密集特征多监督约束的运动去模糊方法，包括：构建初始运动模糊图像去模糊网络模型，基于图像样本集训练初始运动模糊图像去模糊网络模型，得到目标运动模糊图像去模糊网络模型；获取实时模糊图像，将实时模糊图像输入至目标运动模糊图像去模糊网络模型中，得到恢复清晰图像；初始运动模糊图像去模糊网络模型包括多个编码块构成的编码器、多个解码块构成的解码器、添加在所述多个编码块之间和/或添加在所述多个编解码块之间和/或添加在编码器与解码器之间的多个监督约束模块。本发明通过添加的多个监督约束模块计算的损失值对模型参数进行更新，能够更好的约束模型的训练，从而解决模糊图像恢复效果不佳的问题。
-
公开(公告)号：CN117095309B
公开(公告)日：2024-01-16
申请号：CN202311362154.0
申请日：2023-10-20
Applicant: 武汉工程大学
IPC: G06V20/13 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明公开了一种极化SAR影像旋转域特征表达提取与分类方法，该方法包括以下步骤：获取PolSAR图像中各像素的极化相干矩阵，利用不同极化方向角对应的极化旋转矩阵生成待分类像素的旋转域极化相干矩阵序列，作为3D卷积视觉Transformer的输入；在3D卷积视觉Transformer中先使用两个3D卷积块来捕获极化相干矩阵的中级特征映射；将第二个3D卷积块的输出作为后续两个3D视觉Transformer块和两个3D池化层的输入，学习旋转域极化相干矩阵的高级特征表示；利用3D视觉Transformer学习输入特征图的局部和全局特征表示；利用所提出的3D卷积视觉Transformer输出的高级特征图进行分(56)对比文件Rong Gui等.Unsupervised PolSAR ChangeDetection Based on Polarimetric DistanceMeasurements and ConvLSTM Network《.IEEEJOURNAL OF SELECTED TOPICS IN APPLIEDEARTH OBSERVATIONS AND REMOTE SENSING》.2023,第9762-9776页.凌旭峰等.基于自注意力的合成孔径雷达图像目标分类方法《.现代雷达》.2022,第44卷(第7期),第50-55页.Hongmiao Wangdeng .Land CoverClassification for Polarimetric SARImages Based on Vision Transformer.《remote sensing》.2022,第1-23页.
-
公开(公告)号：CN115439358A
公开(公告)日：2022-12-06
申请号：CN202211057860.X
申请日：2022-08-31
Applicant: 武汉工程大学
Abstract: 本发明公开了一种图像去模糊方法、电子设备及存储介质，方法包括：获取训练完备的目标图像去模糊模型，所述目标图像去模糊模型包括多尺度像素注意力融合残差块；获取待处理图像；基于所述多尺度像素注意力融合残差块，对所述待处理图像进行多尺度像素注意力特征提取，获得多个像素注意力特征图，并对多个像素注意力特征图进行融合，获得多尺度像素注意力融合图；并将多尺度像素注意力融合图与输入特征图相加输出构成残差学习特征图；基于所述残差学习特征图，确定图像去模糊结果。本发明解决了现有技术中对模糊图像特征细节的局部特征以及局部和全局信息之间交互学习有限的技术问题。
-
公开(公告)号：CN119625393A
公开(公告)日：2025-03-14
申请号：CN202411686726.5
申请日：2024-11-25
Applicant: 武汉工程大学
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种结合极化旋转角与空间自注意力的极化SAR影像分类方法，包括：获取极化SAR影像的极化相干矩阵序列，并从中提取待分类像素的邻域窗口四维数据；利用两个3D卷积块提取极化SAR影像的低级特征表示；建立极化角与空间局部特征提取网络架构，分别提取极化角和空间的局部特征；以transformer编码层为基础架构，建立极化角与空间全局特征提取及融合网络架构，以分别学习极化角与空间的全局特征以及进行全局特征融合；利用3D池化层与3D卷积块的组合对全局特征融合图进行下采样与高级特征提取，得到特征向量；将特征向量映射到分类器进行极化SAR影像类别分类并输出该待分类像素的分类结果。本发明有效提高了极化SAR影像的分类准确率。
-
公开(公告)号：CN114170192B
公开(公告)日：2024-11-15
申请号：CN202111502706.4
申请日：2021-12-10
Applicant: 武汉工程大学
Abstract: 本发明公开了一种星载光学相机焦面震颤精细检测方法，包括：S1、高精度密集匹配：确定面阵CMOS序列影像相邻帧之间的影像重叠区，然后进行逐像素匹配获得重叠区内所有像素点的同名点，生成视差图；S2、震颤相对误差分析：将多个单视差图震颤相对误差曲线用时间联合起来组成序列影像的震颤相对误差曲线，并填补空隙；进行傅里叶变换分析，得到震颤相对误差曲线的频率和振幅，得到震颤相对误差的频率、振幅和初相位；S3、震颤绝对误差建模：进行震颤绝对误差建模，再结合震颤相对误差的频率、振幅和初相位，得到震颤绝对误差的频率、振幅和初相位。本发明实现成像焦平面周期性震颤误差的精确测量，可为遥感影像震颤误差补偿提供可靠数据基础。
-
Patent Agency Ranking
公开(公告)号：CN117274578A
公开(公告)日：2023-12-22
申请号：CN202311569672.X
申请日：2023-11-23
Applicant: 武汉工程大学
IPC: G06V10/25 , G06V10/77 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/82 , G06F16/583
Abstract: 本发明公开了一种基于逻辑元变换乘积量化的细粒度图像检索方法，包括步骤：将待测图像导入卷积神经网络提取特征，输出最后一层的特征谱；再通过区域候选网络RPN将最后一层的特征谱生成Top‑N个部件，重新输入至卷积神经网络中，并将原始待测图像和Top‑N部件经过卷积神经网络后的最后三层特征进行融合级联；将融合级联后的输出特征通过线性投影生成相应的逻辑元，再通过逻辑元变换对生成的逻辑元向量重新加权；将重新加权后的逻辑元向量输入到细粒度图像检索模型，通过量化码书进行计算找到与待测图像的逻辑元向量最接近的数据库图像对应的量化码，将所对应的数据库图像作为检索结果。本发明能够通过挖掘图像中最具辨别力的区域，提高细粒度图像检索的精度。
-
公开(公告)号：CN117095309A
公开(公告)日：2023-11-21
申请号：CN202311362154.0
申请日：2023-10-20
Applicant: 武汉工程大学
IPC: G06V20/13 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明公开了一种极化SAR影像旋转域特征表达提取与分类方法，该方法包括以下步骤：获取PolSAR图像中各像素的极化相干矩阵，利用不同极化方向角对应的极化旋转矩阵生成待分类像素的旋转域极化相干矩阵序列，作为3D卷积视觉Transformer的输入；在3D卷积视觉Transformer中先使用两个3D卷积块来捕获极化相干矩阵的中级特征映射；将第二个3D卷积块的输出作为后续两个3D视觉Transformer块和两个3D池化层的输入，学习旋转域极化相干矩阵的高级特征表示；利用3D视觉Transformer学习输入特征图的局部和全局特征表示；利用所提出的3D卷积视觉Transformer输出的高级特征图进行分类，即将特征表示输入分类器进行PolSAR图像分类。本发明能够高效完成对极化合成合成孔径雷达图像的分类任务。
-
公开(公告)号：CN116563517A
公开(公告)日：2023-08-08
申请号：CN202310383998.7
申请日：2023-04-10
Applicant: 武汉工程大学
IPC: G06V10/22 , G06V10/82 , G06V10/774 , G06V10/40 , G06V10/24 , G06N3/0475 , G06N3/08 , G06N3/0895
Abstract: 本发明提供一种弱监督目标定位方法及装置，属于目标定位领域，方法包括：S1：导入原始图像数据集，并将原始图像数据集划分为图像训练集和图像测试集；S2：将图像训练集中的各个原始图像进行多个角度旋转，得到各个原始图像的多个旋转图像；S3：对图像训练集中各个原始图像以及各个原始图像的各个旋转图像进行多通道特征提取，得到图像训练集中各个原始图像的特征谱组以及各个旋转图像的特征谱组；S4:根据图像训练集中各个原始图像的特征谱组中预设层特征谱以及各个旋转图像的特征谱组中预设层特征谱进行旋转预测总损失函数的计算，得到旋转预测总损失函数。本发明能够通过挖掘细粒度目标的互补性以及一致性，提高了弱监督定位的精度。
-
公开(公告)号：CN114998142A
公开(公告)日：2022-09-02
申请号：CN202210650894.3
申请日：2022-06-08
Applicant: 武汉工程大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于密集特征多监督约束的运动去模糊方法，包括：构建初始运动模糊图像去模糊网络模型，基于图像样本集训练初始运动模糊图像去模糊网络模型，得到目标运动模糊图像去模糊网络模型；获取实时模糊图像，将实时模糊图像输入至目标运动模糊图像去模糊网络模型中，得到恢复清晰图像；初始运动模糊图像去模糊网络模型包括多个编码块构成的编码器、多个解码块构成的解码器、添加在所述多个编码块之间和/或添加在所述多个编解码块之间和/或添加在编码器与解码器之间的多个监督约束模块。本发明通过添加的多个监督约束模块计算的损失值对模型参数进行更新，能够更好的约束模型的训练，从而解决模糊图像恢复效果不佳的问题。
-
公开(公告)号：CN114758122A
公开(公告)日：2022-07-15
申请号：CN202210219954.6
申请日：2022-03-08
Applicant: 武汉工程大学
Abstract: 本发明提供了一种基于语义分割的任意风格迁移方法，针对现有技术中风格迁移只能对一张照片或者一张照片上一个物体进行风格迁移的问题，通过风格迁移的艺术效果，实现了利用多种风格在同一张图片上实现不同的类物体迁移不同风格的功能，使一张图片不同物体之间有不同的风格信息，使图片在原有技术上艺术性更足。本发明解决了对于不同语义信息选择不同艺术的风格图片，就能把原始图片上不同类物体风格进行相应的风格迁移，达到一张图不同类别，根据需要同时对多个目标进行不同风格融合，可以达到意想不到的艺术效果。本发明还能表达图片的语义信息，且不依赖风格图片的种类，不需要每次输入都要重新训练网络。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.031 seconds)
