-
公开(公告)号：CN115131234A
公开(公告)日：2022-09-30
申请号：CN202210675973.X
申请日：2022-06-15
Applicant: 西北大学
Abstract: 本发明公开了一种基于两阶段神经网络的数字壁画修复方法，采用灰度图重建模块和色彩恢复模块两阶段神经网络模型，其中灰度图重建模块由区域识别模块、特征推理模块、特征融合模块组成，色彩恢复模块由三个结构相同、尺寸不同的残差网络组成。该方法将常规的单阶段图像恢复网络拆分成灰度图重建和颜色填充两个阶段，宏观上降低了图像修复模型的训练难度。第一阶段使用灰度图重建模块通过循环特征推理的方式恢复出单通道的灰度图，第二阶段使用色彩恢复模块运用图像有效区域的彩色颜色特征对无效区域的灰度图进行由粗糙到细致的颜色填充，更大限度的避免了图像颜色失真的现象。对大面积受损壁画，能够获得结构清晰、颜色逼真的修复图像。
-
公开(公告)号：CN114741918A
公开(公告)日：2022-07-12
申请号：CN202210313234.6
申请日：2022-03-28
Applicant: 西北大学
IPC: G06F30/23 , G06T17/20 , G06F111/10
Abstract: 本发明提供一种面向遗址劣化有限元分析的并行网格剖分算法，对于输入的古遗址模型，首先对模型生成粗的体网格，在粗粒度网格生成过程中，首先将模型区域分解为多个子区域，每个子区域需要传输到不同的计算核上，然后在每个计算核上生成子区域的细粒度加密网格，最后在子区域网格间进行通信，进行全局顶点编号和邻接子区域的影射区单元投影。本发明不需要花费大量时间进行合并操作，大大提升了生成满足计算需求数量的体网格的速度；不再需要对整个模型进行计算，可以很方便的在低配置计算机上对各个子区域分别进行计算。
-
公开(公告)号：CN113962913A
公开(公告)日：2022-01-21
申请号：CN202111128666.1
申请日：2021-09-26
Applicant: 西北大学
Abstract: 本发明公开了一种融合光谱空间信息的深度互学习框架的构建方法，本发明由两个独立的深度网络组成，用于从高光谱图像中学习光谱特征和从全色图像中学习空间特征。同时，设计了一种混合损失函数，包括了光谱和空间信息损失，来加强两个深度网络之间的相互学习，从而提高各个网络的表征能力。采用了一种深度互学习策略，通过平衡光谱和空间信息损失来联合训练两种深度网络，使得网络的性能获得提高。
-
公开(公告)号：CN108898568B
公开(公告)日：2021-08-31
申请号：CN201810378364.1
申请日：2018-04-25
Applicant: 西北大学
Abstract: 本发明提供了一种图像合成方法与装置，包括：步骤1，获取3T和7T磁共振图像样本集；步骤2，输入3T磁共振图像作为当前3T图像；步骤3，从当前3T图像中的多个图像片中任选一图像片作为当前3T图像片，并构建低分辨率字典和高分辨率字典；步骤4，在空间域中获取当前3T图像片合成的7T图像片和高分辨率字典为步骤5，在频域中获取当前3T图像片x合成的7T图像片和高分辨率字典融合得到空间域中合成的7T图像片和高分辨率字典频域中合成的7T图像片和高分辨率字典步骤7，重复步骤4至步骤6，直至得到的7T图像片满足收敛条件时为止。本发明能够重建出高品质的7T磁共振图像，有效地合成出高保真的解剖结构，具有更好的主客观效果。
-
公开(公告)号：CN111461174A
公开(公告)日：2020-07-28
申请号：CN202010152922.X
申请日：2020-03-06
Applicant: 西北大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06F16/9535 , G06F16/958
Abstract: 本发明公开了一种多层次注意力机制的多模态标签推荐模型构建方法及装置，提取图像的特征对图像特征使用外积，进行双线性融合后再通过一个注意力网络层，获取图像中每个区域的注意力因子，将注意力因子与原始特征进行逐元素乘积，得到最后的图像特征表达；对文本进行词嵌入并使用Bi-LSTM网络对文本特征提取，然后通过一个注意力网络层与原始特征进行乘积，得到最后的文本信息表达。然后通过一个双线性融合层，将图像和文本特征进行融合，然后将融合后的特征输入到高层次注意力层，得到最后的联合特征表达，最后送入到分类层中，进行标签分类和推荐。在多模态信息处理的条件下，本发明联合层次注意力机制的方法提高了推荐的准确性。
-
Patent Agency Ranking
公开(公告)号：CN111127374A
公开(公告)日：2020-05-08
申请号：CN201911155272.8
申请日：2019-11-22
Applicant: 西北大学
Abstract: 本发明公开了一种基于多尺度密集网络的pan-sharpening方法，首先将原始多光谱图像上采样后与原始全色图像堆叠，形成网络的输入；然后通过一卷积层提取输入图像中的浅层低级特征；将取到的浅层低级特征作为输入，通过密集连接的多尺度密集块来充分提取原始全色图像中的空间信息和原始多光谱图像中的光谱信息，并将所有输出传递到全局特征融合层，进行特征的学习与融合；最后通过图像重建，利用全局残差学习重建高分辨率多光谱图像。本发明有效利用多尺度特征提取以及密集连接的优点，通过一个端到端的深层卷积神经网络实现pan-sharpening，最终可获得兼具高空间和高光谱分辨率的融合图像。
-
公开(公告)号：CN109002755A
公开(公告)日：2018-12-14
申请号：CN201810563826.7
申请日：2018-06-04
Applicant: 西北大学
Abstract: 本发明公开了一种基于人脸图像的年龄估计模型构建方法及估计方法，本发明采用了基于肤色分类和深度标签分布学习的方法，对MORPH数据库人脸图像进行年龄估计，将个体肤色差异的影响考虑到年龄估计方法之内，与已有的方法相比较能够有效的减少肤色差异带来的影响，将Inception-V3深度卷积神经网络最后的全局平均池化层改为全局最大池化层，能够减小卷积层参数误差造成估计值均值偏移的问题，更多的保留了纹理信息，并采用深度标签分布学习算法和Inception-V3深度卷积神经网络，使用迁移学习对数据进行网络微调，通过理论分析和实验验证了该方法的可行性和有效性。
-
公开(公告)号：CN108765330A
公开(公告)日：2018-11-06
申请号：CN201810488203.8
申请日：2018-05-21
Applicant: 西北大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/20021 , G06T2207/20024
Abstract: 本发明公开了一种基于全局和局部先验联合约束的图像去噪方法和装置，通过综合利用全局结构自相似性先验和基于局部核函数的非线性映射，提出一种基于全局和局部先验联合约束的图像去噪方法，在去除噪声的同时有效地恢复图像的细微结构，进一步提高图像的信噪比和主客观质量。
-
公开(公告)号：CN105787283B
公开(公告)日：2018-10-30
申请号：CN201610178414.2
申请日：2016-03-25
Applicant: 西北大学
Abstract: 本发明公开了一种基于时空相关性的土遗址监测数据修正拟合方法，利用历史数据的预测值和当前检测数据进行时空相关性分析，进而判定当前数据的正确性，并对噪声数据进行修正、缺失值予以拟合。本发明用于土遗址保护领域，实现土遗址的智能状态监测，特别是针对大量的环境数据和土遗址本体数据，能够准确实现噪声数据的发现和修正，缺失数据趋势的拟合，为土遗址风险预警和有效管理提供科学依据。
-
公开(公告)号：CN108416734A
公开(公告)日：2018-08-17
申请号：CN201810128741.6
申请日：2018-02-08
Applicant: 西北大学
Abstract: 本发明公开了一种基于边缘驱动的文本图像超分辨率重建方法和装置，用于对文本图像进行超分辨率处理，包括以下步骤：采集第一文本图像；对所述的第一文本图像采用基于边缘先验的自回归模型进行分辨率增强，获得第二文本图像；对所述的第二文本图像进行多次边缘补偿，获得第三文本图像。本发明提供的方法对文本图像进行自回归模型插值放大时，引入边缘信息和新的权重分配方案，从而保留了文本图像锐利化的边缘。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.025 seconds)
