一种基于生成对抗网络的水下图像去噪方法

    公开(公告)号:CN109993710B

    公开(公告)日:2022-03-11

    申请号:CN201910211120.9

    申请日:2019-03-20

    Abstract: 本发明提供了一种基于生成对抗网络的水下图像去噪方法,首先将水下图像输入到一个由若干残差块组成的生成网络,得到特征映射图;然后将输出得到的特征映射图与清水的无噪标签图像分别通过VGG‑19网络映射得到一个深度特征空间,并计算特征映射图与清水的无噪标签图像在深度特征空间中的感知代价,计算感知代价的同时,将生成网络输出的特征映射图输入到对抗网络,最后训练完成后,将含噪的水下图像输入到生成网络,其输出即为处理后的无噪图像。本发明通过引入对抗机制,去噪效果明显,尤其是该方法可有效保留甚至增强图像中的边缘纹理信息,具有更好地视觉效果和成像品质。

    小波变换与联合稀疏表示的红外与可见光图像融合方法

    公开(公告)号:CN107341786B

    公开(公告)日:2019-09-24

    申请号:CN201710466497.X

    申请日:2017-06-20

    Abstract: 本发明提供了一种小波变换与联合稀疏表示的红外与可见光图像融合方法,涉及图像融合领域,首先对源图像进行DWT变换,分解成低频子带与高频子带系数,并用滑窗策略将低频子带系数分解成矩阵,再针对上述分解的低频子带矩阵学习字典,其次,分别融合低频子带系数和高频子带系数,最后通过DWT逆变换重构出融合图像,本发明既能有效地稀疏表示源图像的显著细节特征,又能多尺度地融合图像细节信息,即很好地保留了红外图像的目标信息与可见光图像的细节、轮廓等背景信息,提高了目标的识别能力,有利于后续处理系统对信息的提取与使用,较传统的小波变换融合方法以及现有的基于联合稀疏表示的融合方法均具有优势。

    一种基于Kinect的虚拟钢琴弹奏系统的构建方法

    公开(公告)号:CN109448131A

    公开(公告)日:2019-03-08

    申请号:CN201811243690.8

    申请日:2018-10-24

    Abstract: 本发明提供了一种基于Kinect的虚拟钢琴弹奏系统的构建方法,利用Kinect设备完成场景的三维重建,在场景中在合适的平面上选择创建虚拟键盘的区域,产生虚拟琴键,进行琴键按压检测后,设置对应音符播放,即可实现弹奏虚拟钢琴的功能。本发明作为人和机器的交互方式,简单便捷的虚拟键盘,可以扩展到智能家居、游戏及机器人等领域;采用OpenGL库用作显示,并且结合了指尖位置的值来判断琴键的状态,提高了琴键弹奏的准确度,能够带来良好的用户体验。实现虚拟钢琴时,建立了三维立体模型,使得画面效果更有立体感,满足人们的沉浸式的体验。

    一种基于运动模糊分析的虚假人脸入侵检测方法

    公开(公告)号:CN108921018A

    公开(公告)日:2018-11-30

    申请号:CN201810512307.8

    申请日:2018-05-25

    Abstract: 为了克服再播放虚假人脸入侵难以检测的问题,本发明提出了一种基于运动模糊分析的虚假人脸入侵检测方法。该方法首先将人脸识别系统采集到的视频进行运动放大,作为视频中的人脸的面部运动的预处理;然后分别提取不同颜色通道的运动模糊描述特征,并将来自不同通道的特征级联到一起,形成表征能力更强的特征向量;最后将形成的特征向量输入到SVM分类器,根据分类器的输出结果对再播放虚假人脸进行检测。本发明计算简单,在受到再播放虚假人脸入侵攻击时,该检测方法可有效对真脸与再播放的虚假人脸进行分析,检测误差更低。

    基于多尺度LBP和稀疏编码的大规模人脸表情识别方法

    公开(公告)号:CN103971095B

    公开(公告)日:2017-02-01

    申请号:CN201410195403.6

    申请日:2014-05-09

    Abstract: 本发明提供了一种基于多尺度LBP和稀疏编码的大规模人脸表情识别方法,首先建立大规模的人脸表情数据库,使用随机抽样技术生成训练数据库与测试数据库,其次使用多尺度的LBP特征来表示人脸的表情特征,进而生成稀疏编码方法所需要的字典,通过对新的表情样本求解最优稀疏系数,并累加不同表情的稀疏系数来识别表情样本,本发明利用多尺度LBP特征获取鲁棒性强的特征表示方式,利用稀疏编码解决了大规模人脸表情识别中的稀疏性问题,验证了基于多尺度LBP和稀疏编码的大规模人脸表情识别方法的有效性。

    自适应暗光增强的目标跟踪网络结构及目标跟踪方法

    公开(公告)号:CN118365676B

    公开(公告)日:2025-04-08

    申请号:CN202410506825.4

    申请日:2024-04-25

    Abstract: 本发明涉及一种自适应暗光增强的目标跟踪网路结构及目标跟踪方法,网络主要包括光照增强与目标跟踪两个模块,基于光照估计与颜色空间变化的光照补偿方法,同时也完成了对暗场景特征的自适应提升。在目标跟踪模块,主要采用了基于Transformer架构的网络,通过自注意力机制,可实现对目标的准确跟踪。相比于独立的光照增强模块,本发明针对跟踪任务进行图像特征的增强。网络结构简单,在提高性能的同时保持着目标跟踪任务实时性的要求。本文的跟踪器不仅在低光照场景下取得了较好的效果,而且维持了跟踪器在正常光照场景下的跟踪性能。相比于OSTrack算法,在UAVDark70数据集上,精确度提升了8.9%。

Patent Agency Ranking