公开(公告)号：CN118967453B

公开(公告)日：2025-02-21

申请号：CN202411448384.3

申请日：2024-10-17

Applicant: 华侨大学

Inventor： 朱显丞 ,  黄德天 ,  林明昕 ,  舒泊智 ,  黄静 ,  王一凡 ,  董雨昕

IPC: G06T3/4076 ,  G06N3/048 ,  G06T3/4046 ,  G06T3/4084

Abstract: 本发明涉及图像超分辨率技术领域，公开了一种基于梯度一致感知的空频域特征混合图像超分辨率方法，包括：构建空频域特征混合图像超分辨率网络，包括超分辨率分支和回归分支，超分辨率分支采用空频域特征混合模块对低分辨率图像提取不同尺度的混合特征，回归分支基于混合特征获得全分辨率图像，并基于不同尺度的混合特征重建低分辨率梯度图，所述低分辨率梯度图用于构建梯度一致感知学习损失函数，以训练所述空频域特征混合图像超分辨率网络。本发明全局挖掘可利用的高频信息，并对高分辨率梯度图以及重建的低分辨率梯度图施加一阶束缚，从而探索层次特征之间的全局依赖关系。

公开(公告)号：CN118799923B

公开(公告)日：2024-12-24

申请号：CN202411282680.0

申请日：2024-09-13

Applicant: 华侨大学

Inventor： 陈龙涛 ,  朱高峰 ,  刘赣 ,  廖国兴 ,  曾焕强 ,  黄诚惕 ,  傅玉青 ,  黄德天

IPC: G06V40/10 ,  G06N3/04 ,  G06N3/096 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于掩膜引导双流网络的行人重识别方法及装置，涉及图像识别领域，构建行人重识别模型、第一教师模型和第二教师模型，行人重识别模型包括轮廓单元和暴露单元，将轮廓空间注意力模块作为第一学生模型并与第一教师模型进行蒸馏学习，构造轮廓流中由掩码引导的注意力损失；将暴露空间注意力模块作为第二学生模型并与第二教师模型进行蒸馏学习，构造暴露流中由掩码引导的注意力损失；构造面部信息损失和REID损失；根据轮廓流中由掩码引导的注意力损失、暴露流中由掩码引导的注意力损失、面部信息损失和REID损失构造总损失函数并对行人重识别模型进行训练，得到经训练的行人重识别模型以进行行人重识别，解决背景和衣服因素的干扰问题。

公开(公告)号：CN118229532B

公开(公告)日：2024-10-22

申请号：CN202410626959.X

申请日：2024-05-21

Applicant: 华侨大学

Inventor： 黄小茜 ,  张平平 ,  宋佳讯 ,  郭耀辉 ,  黄静 ,  王一凡 ,  黄德天

IPC: G06T3/4053 ,  G06N3/0455 ,  G06T5/60

Abstract: 本发明公开了一种基于复合Transformer的图像超分辨率方法及系统，涉及图像超分辨率领域，方法包括：构建基于复合Transformer的图像超分辨率网络；利用图像超分辨率网络实现对于低分辨率图像的超分辨率重建，输出对应的高分辨率图像；所述图像超分辨率网络包括浅层特征提取模块、深层特征提取模块和图像重建模块，其中，深层特征提取模块包括若干残差组，残差组包括空间多头注意力和通道组注意力层组成的残差复合Transformer以及整合自注意力和卷积前馈网络组成的整合Transformer。本发明通过残差组在空间和通道维度上聚合特征，减少通道数量从而不会丢失空间信息，重建高质量的高分辨率图像。

公开(公告)号：CN118799923A

公开(公告)日：2024-10-18

申请号：CN202411282680.0

申请日：2024-09-13

Applicant: 华侨大学

Inventor： 陈龙涛 ,  朱高峰 ,  刘赣 ,  廖国兴 ,  曾焕强 ,  黄诚惕 ,  傅玉青 ,  黄德天

IPC: G06V40/10 ,  G06N3/04 ,  G06N3/096 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于掩膜引导双流网络的行人重识别方法及装置，涉及图像识别领域，构建行人重识别模型、第一教师模型和第二教师模型，行人重识别模型包括轮廓单元和暴露单元，将轮廓空间注意力模块作为第一学生模型并与第一教师模型进行蒸馏学习，构造轮廓流中由掩码引导的注意力损失；将暴露空间注意力模块作为第二学生模型并与第二教师模型进行蒸馏学习，构造暴露流中由掩码引导的注意力损失；构造面部信息损失和REID损失；根据轮廓流中由掩码引导的注意力损失、暴露流中由掩码引导的注意力损失、面部信息损失和REID损失构造总损失函数并对行人重识别模型进行训练，得到经训练的行人重识别模型以进行行人重识别，解决背景和衣服因素的干扰问题。

公开(公告)号：CN117495680B

公开(公告)日：2024-05-24

申请号：CN202410001400.8

申请日：2024-01-02

Applicant: 华侨大学

Inventor： 黄小茜 ,  黄德天 ,  宋佳讯 ,  刘航 ,  林明昕 ,  曾焕强

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0455 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/80

Abstract: 本发明公开了一种基于特征融合Transformer的多对比度核磁共振图像超分辨率方法，涉及图像处理技术领域，包括：构建浅层特征提取模块；构建双域特征提取模块和双融合特征提取模块并进行组合，生成残差全局特征融合模块，基于残差全局特征融合模块构建深层特征提取模块；构建图像重建模块；将浅层特征提取模块、深层特征提取模块和图像重建模块组合，构建基于特征融合Transformer的多对比度核磁共振图像超分辨率网络，并以待重建的低分辨率图像和核磁共振图像作为网络的输入，得到重建后高分辨率图像。本发明利用特征融合Transformer来提取多对比度MRI图像中所包含的全局与局部特征，使得重建的图像更加清晰。

公开(公告)号：CN117196959B

公开(公告)日：2024-03-01

申请号：CN202311475294.9

申请日：2023-11-08

Applicant: 华侨大学

Inventor： 陈菲扬 ,  黄德天 ,  宋佳讯 ,  颜鹏贵 ,  杨坤 ,  曾焕强 ,  朱建清 ,  陈婧

IPC: G06T3/4053 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于自注意力的红外图像超分辨率方法、装置及可读介质，涉及图像处理领域，包括：构建基于自注意力的轻量级红外图像超分辨率模型并训练，得到经训练的轻量级红外图像超分辨率模型；将待重建的低分辨率红外图像输入经训练的轻量级红外图像超分辨率模型，该模型包括3×3卷积层、轻量级Transformer与CNN骨干、高效细节自注意力模块和图像重建模块，待重建的低分辨率红外图像输入3×3卷积层，得到第一特征，再依次经过轻量级Transformer与CNN骨干和高效细节自注意力模块，且高效细节自注意力模块以共享参数的方式循环n次，得到第二特征，将第一特征和第二特征进行残差连接后输入图像重建模块，输出高分辨率红外图像，解决参数量冗余、性能差等问题。

公开(公告)号：CN117495714A

公开(公告)日：2024-02-02

申请号：CN202410004081.6

申请日：2024-01-03

Applicant: 华侨大学

Inventor： 宋佳讯 ,  黄德天 ,  黄小茜 ,  林明昕 ,  刘航 ,  曾焕强

IPC: G06T5/70 ,  G06N3/0455 ,  G06N3/0464 ,  G06T5/10 ,  G06T5/50

Abstract: 本发明公开了一种基于扩散生成先验的人脸图像复原方法、装置及可读介质，涉及图像处理模块，包括：构建基于预训练的扩散模型的人脸图像复原模型，将待复原的人脸图像输入前向加噪模块中逐步增加噪声，得到噪声图像；将噪声图像输入反向去噪模块中逐步去噪，生成最终复原的人脸图像；将第t步的噪声图像及第t步的时间戳输入噪声预测器，预测得到第t步的噪声；在前向加噪模块中，将第t步的噪声图像和第t步的噪声输入结合融合反演的前向扩散公式，得到第t+1步的噪声图像；在反向去噪模块中，对第t步的噪声图像进行零阈值分解，并与第t步的噪声输入反向扩散公式，得到第t‑1步的噪声图像，解决了现有技术生成的复原图像在真实性和一致性差问题。

公开(公告)号：CN117495680A

公开(公告)日：2024-02-02

申请号：CN202410001400.8

申请日：2024-01-02

Applicant: 华侨大学

Inventor： 黄小茜 ,  黄德天 ,  宋佳讯 ,  刘航 ,  林明昕 ,  曾焕强

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0455 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/80

Abstract: 本发明公开了一种基于特征融合Transformer的多对比度核磁共振图像超分辨率方法，涉及图像处理技术领域，包括：构建浅层特征提取模块；构建双域特征提取模块和双融合特征提取模块并进行组合，生成残差全局特征融合模块，基于残差全局特征融合模块构建深层特征提取模块；构建图像重建模块；将浅层特征提取模块、深层特征提取模块和图像重建模块组合，构建基于特征融合Transformer的多对比度核磁共振图像超分辨率网络，并以待重建的低分辨率图像和核磁共振图像作为网络的输入，得到重建后高分辨率图像。本发明利用特征融合Transformer来提取多对比度MRI图像中所包含的全局与局部特征，使得重建的图像更加清晰。

公开(公告)号：CN117237197A

公开(公告)日：2023-12-15

申请号：CN202311475296.8

申请日：2023-11-08

Applicant: 华侨大学

Inventor： 黄小茜 ,  黄德天 ,  宋佳讯 ,  陈菲扬 ,  徐正军 ,  曾焕强 ,  陈龙涛

IPC: G06T3/40 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明公开了一种基于交叉注意力机制与Swin‑Transformer的图像超分辨率方法及装置，涉及图像重建领域，该方法包括：获取待重建的低分辨率图像及其对应的梯度图；构建基于交叉注意力机制与Swin‑Transformer的图像超分辨率模型并训练，得到经训练的图像超分辨率模型；将待重建的低分辨率图像输入经训练的图像超分辨率模型，经训练的图像超分辨率模型包括SR分支和梯度分支，SR分支和梯度分支中分别采用浅层特征提取模块提取低分辨率图像及其对应的梯度图的浅层特征，通过全局深层特征提取模块将浅层特征进行融合，得到深层特征，并输入图像重建模块，重建得到高分辨率图像，解决原有经典图像超分辨率模型难以提取全局特征的问题，以提高重建图像的清晰度。

公开(公告)号：CN117173025A

公开(公告)日：2023-12-05

申请号：CN202311437434.3

申请日：2023-11-01

Applicant: 华侨大学

Inventor： 朱显丞 ,  黄德天 ,  李肖蕊 ,  于耀博 ,  曾焕强

IPC: G06T3/40 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80

Abstract: 本发明公开了基于跨层混合注意力Transformer的单帧图像超分辨率方法及系统，涉及图像超分辨率领域，方法包括：提取低分辨率图像的浅层特征；采用多级混合注意力模块对浅层特征进行多次深层特征提取，保留每一级混合注意力模块的输出作为中间特征图，最后一级混合注意力模块的输出作为第一关联特征；捕捉各级中间特征图的多尺度上下文信息，得到第二关联特征；捕捉各级中间特征图之间的通道依赖关系，得到第三关联特征；对第一关联特征、第二关联特征和第三关联特征进行特征融合，得到深层全局特征；对深层全局特征进行上采样，得到重建的高分辨率图像。本发明提升了超分辨率中的图像信息利用率和细节重建能力，增强了全局特征表达能力。