-
公开(公告)号：CN102496065A
公开(公告)日：2012-06-13
申请号：CN201110363614.2
申请日：2011-11-16
Applicant: 江南大学
IPC: G06N7/02
Abstract: 本发明公开了一种具有历史继承性的模糊系统建模方法。本发明方法主要以ML型模糊系统作为研究对象，在此基础上通过利用RSDE(压缩集密度估计方法)对历史数据以及当前场景数据分别进行概率密度分布估计，进而发明了具有历史继承性的模糊系统，即ML型历史继承模糊系统。本发明方法的优势在于所得到的模糊系统不但能够充分利用当前场景的数据信息，而且还能够有效地利用历史知识来进行学习，它具有通过继承历史场景知识来弥补当前场景信息缺失的能力。
-
公开(公告)号：CN118627540A
公开(公告)日：2024-09-10
申请号：CN202410743700.3
申请日：2024-06-11
Applicant: 江南大学
IPC: G06N3/0442 , G06N3/082 , G06N3/045 , G06F18/27
Abstract: 一种基于非平稳特征聚焦LSTM网络模型的有害藻类水华时空预测方法，属于时空预测领域，HabLSTM网络由多个HabLSTM单元堆叠而成，每个单元都包含一个隐藏状态空间差分块HSSD和一个联合状态时间差分块CSTD；HSSD块利用门控机制和隐藏状态的差异来生成相邻帧之间的差分特征，通过控制HabLSTM单元中隐藏状态的特征更新，引导网络学习短期非平稳特征；CSTD块利用门控机制和联合状态的差异来生成当前输入序列的差分特征，通过控制HabLSTM单元中记忆状态的特征更新，引导网络学习长期非平稳特征；这两种差分特征共同引导HabLSTM网络聚焦于学习非平稳时空特征，来对有害藻类水华进行时空预测。
-
公开(公告)号：CN110084774B
公开(公告)日：2023-05-05
申请号：CN201910288177.9
申请日：2019-04-11
Applicant: 江南大学
IPC: G06T5/50
Abstract: 本发明公开了一种增强的梯度传递和总变差最小化融合图像的方法，属于图像融合领域。主要解决红外和可见光图像融合时目标和背景纹理信息不详细的问题。通过将融合图像约束为具有与红外图像、可见光图像相似的像素强度和与红外图像、可见光图像相似的梯度。我们将融合问题转化为L1‑TV最小化问题，使用m、λ1和λ2三个参数控制数据保真项和正则化项之间的关系，以达到同时保持源图像中的热辐射和外观信息的效果。本发明能充分整合红外和可见光图像的目标纹理细节信息，有效保护图像细节，改善视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN110097528B
公开(公告)日：2023-04-18
申请号：CN201910288058.3
申请日：2019-04-11
Applicant: 江南大学
IPC: G06T5/50 , G06N3/0464 , G06N3/08
Abstract: 一种基于联合卷积自编码网络的图像融合方法，属于图像融合领域。主要解决图像融合时数据集和标签不足，图像经过联合卷积自编码网络得到端到端的融合结果等问题。本发明首先，在训练过程中用联合卷积自编码网络模型同时训练待融合图像集，设计适用于图像融合的多任务损失函数进行训练。测试过程中，两幅待融合图像输入到网络模型中，经过网络编码层得到公共特征和私有特征，根据其特征的冗余和互补的特性设计融合规则，实现特征层的融合，融合后的特征映射经解码重构后得到融合图像。本发明能充分利用自编码神经网络的特点整合待融合图像的互补与冗余信息制定融合策略，有效保护图像细节，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN110084288B
公开(公告)日：2023-04-18
申请号：CN201910288070.4
申请日：2019-04-11
Applicant: 江南大学
IPC: G06V10/80 , G06V10/82 , G06V10/74 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于自学习神经单元的图像融合方法，属于图像融合领域。其实现步骤是：1)将融合图像进入Mask R‑CNN网络进行处理，得到相应的掩码图像，掩码矩阵，类别信息，得分信息；2)搭建自编码网络，利用卷积神经网络CNN进行图像特征的选取，融合，重构；3)对融合层的卷积权重进行稀疏赋值，加入最小/最大范数权值约束与L1正则项；4)分别计算融合图像与源图像的整体结构相似度SSIM，区域结构相似度SSIM与互信息MI；5)训练神经网络，调整参数。本发明能通过学习网络参数以最佳方式联合获得水平测量与权重分配，增强图像清晰度，改善视觉效果，提高融合图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN110060226B
公开(公告)日：2023-04-18
申请号：CN201910287992.3
申请日：2019-04-11
Applicant: 江南大学
Abstract: 基于人类视觉梯度转化和全变差参数自适应图像融合方法，属于图像融合技术领域。其实现的步骤是：将融合问题转化为TV‑L1模型最小化问题，其中的数据保真项保存图像结构信息的主要强度分布，正则项保存图像纹理信息的梯度变化，通过数值迭代得到中间结果图像，再通过相加获得融合图像。为了保证算法求解的收敛性，分析了相关参数的取值范围，在模型参数选择方面，运用全局方差估计法自适应地选择调整参数，可以有效地保护图像特征并提高运算效率。本发明能充分整合源图像的结构和功能信息，有效保护图像细节，改善视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN111709902A
公开(公告)日：2020-09-25
申请号：CN202010436324.5
申请日：2020-05-21
Applicant: 江南大学
Abstract: 基于自注意力机制的红外和可见光图像融合方法，属于图像融合领域。主要解决图像融合时忽略人眼主观感受的重要性问题。其实现步骤是：1)搭建基于自注意力机制的深度自编码网络结构，以端到端的方式对特征提取，融合规则和重构规则同时学习；2)将编码层不同分支的特征图输入自注意力机制获得注意力图，并采用均值融合策略获得输出特征图；3)设计内容损失和细节损失两类损失函数，分别用于突出红外目标信息，锐化边缘和更好地利用源图像中的纹理细节；4)训练神经网络，并对自注意力机制进行可视化以调整网络结构和损失函数。本发明能通过学习注意力图以最佳方式分配注意力，获取图像关键信息，改善视觉效果，提高融合图像的质量。
-
公开(公告)号：CN107230196B
公开(公告)日：2020-08-28
申请号：CN201710249290.7
申请日：2017-04-17
Applicant: 江南大学
Abstract: 本发明公开了一种基于非下采样轮廓波和目标可信度的红外与可见光图像融合方法，主要解决红外与可见光图像融合结果中目标不够清晰的问题。其实现步骤是：1)待融合的两幅图像进行非下采样轮廓波NSCT变换，分解得到低频子带和高频子带；2)包含细节信息的高频子带系数，使用NSCT系数绝对值取大的融合策略进行融合；3)对NSCT低频子带系数，通过基于目标可信度的自适应混合融合策略实现融合；4)融合后的高、低频系数执行NSCT逆变换得到融合图像。本发明能充分提取红外图像的目标信息，有效保护可见光图像的细节，改善视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN107230196A
公开(公告)日：2017-10-03
申请号：CN201710249290.7
申请日：2017-04-17
Applicant: 江南大学
Abstract: 本发明公开了一种基于非下采样轮廓波和目标可信度的红外与可见光图像融合方法，主要解决红外与可见光图像融合结果中目标不够清晰的问题。其实现步骤是：1)待融合的两幅图像进行非下采样轮廓波NSCT变换，分解得到低频子带和高频子带；2)包含细节信息的高频子带系数，使用NSCT系数绝对值取大的融合策略进行融合；3)对NSCT低频子带系数，通过基于目标可信度的自适应混合融合策略实现融合；4)融合后的高、低频系数执行NSCT逆变换得到融合图像。本发明能充分提取红外图像的目标信息，有效保护可见光图像的细节，改善视觉效果，相比传统的融合方法极大地提高了融合图像的质量。
-
公开(公告)号：CN106504221A
公开(公告)日：2017-03-15
申请号：CN201610891328.6
申请日：2016-10-13
Applicant: 江南大学
IPC: G06T5/50
CPC classification number: G06T5/50 , G06T2207/20221 , G06T2207/30004
Abstract: 本发明公开了一种基于四元数小波变换QWT(Quaternion Wavelet Transform)上下文结构的医学图像融合方法，主要解决医学图像融合时亮度、对比度等的变化以及原始图像信息丢失的问题。其实现步骤是：1)分别对待融合图像进行QWT处理得到待融合图像对应的QWT系数；2)对待融合图像的QWT系数的低频部分根据绝对值取大的融合规则进行融合，得到低频的融合系数；3)对待融合图像的QWT系数的高频部分求取高频子带系数对应的清晰度系数；4)基于上下文统计模型与清晰度系数设计融合规则，获得融合后的高频系数；5)根据得到的低频和高频的融合系数，利用QWT逆变换得到融合图像。本发明能充分整合医学图像的结构和功能信息，有效保护图像细节，改善视觉效果，相比传统的融合方法极大的提高了融合图像的质量。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.025 seconds)
