-
公开(公告)号：CN110866876A
公开(公告)日：2020-03-06
申请号：CN201911066162.4
申请日：2019-11-04
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于级联高斯词典的图像复原方法，用于解决现有图像复原方法实用性差的技术问题。技术方案是首先采用级联方式学习多维高斯分布模型对大量图像细节纹理结构进行学习和建模，构建纹理结构词典库，通过少数对比检索词典库中大量词典，具有快速索引功能，且该纹理结构词典库通过向下级联或剪枝方式扩展和调整细节纹理词典，具有不同类型图像复原迁移的高灵活度；然后从构建的纹理结构词典库快速索引得到合适高斯模型进行图像复原，输出真实清晰图像。本发明能够快速复原彩色或灰度降质图像，得到真实清晰图像，且有效复原出降质图像的高频边缘和细节纹理，实用性好。
-
公开(公告)号：CN110473153A
公开(公告)日：2019-11-19
申请号：CN201910697869.9
申请日：2019-07-31
Applicant: 西北工业大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于模糊核估计迭代结构保持图像盲复原方法，该方法首先提取核估计迭代中潜在图像序列的变化特征，对相邻两次迭代的潜在图像结果进行差值计算，得到图像序列的差值结果图；根据差值结果进行阈值选择，通过对差值图像分块筛选出每个图像块内的有利结构；针对当前潜在图像的梯度图，根据筛选的结果提取图像有利结构的梯度，得到图像梯度子集；然后基于提取出的图像梯度，进行模糊核的估计，得到更准确的估计结果。本发明能很好的恢复出具有较多细节的清晰图像，实验表明，本发明所复原的图像相比原始模糊图像PSNR提升15％、SSIM提升37.3％。
-
公开(公告)号：CN107506772A
公开(公告)日：2017-12-22
申请号：CN201710747495.8
申请日：2017-08-28
Applicant: 西北工业大学
CPC classification number: G06K9/4671 , G06K9/6211 , G06K9/6256
Abstract: 本发明公开了一种基于自适应排序的快速鲁棒模型估计方法，用于解决现有快速鲁棒模型估计方法实用性差的技术问题。技术方案是在进行多次采样、估计模型之前，对图像特征点对U进行初始排序，通过多次试验对最优模型进行估计；在每一次试验时，获取特征点对U中质量最高的前n个特征点对构成的采样子集Un，进而从Un中获取采样样本；在获取每次试验的采样样本后，对当前试验的模型进行估计；在多次试验中，只有当前迭代满足停止条件时试验才停止；然后利用最优一致集中的元素重新计算模型参数，最终获取最优的模型。由于采用基于自适应排序的随机采样一致模型估计算法，可以在保证错误匹配剔除效果的前提下提高效率，快速获取鲁棒的模型估计结果，实用性好。
-
公开(公告)号：CN107481197A
公开(公告)日：2017-12-15
申请号：CN201710558860.0
申请日：2017-07-11
Applicant: 西北工业大学
Abstract: 本发明公开了一种图像模糊互补性表征方法，用于解决现有图像互补性表征方法图像复原质量差的技术问题。技术方案是首先提取模糊图像的互补性特征，通过对多帧模糊图像进行高频滤波，得到图像对应的高频细节信息；针对图像高频信息进行梯度卷积操作，提取图像的梯度信息；对模糊图像的高频梯度图进行二值化操作，得到模糊图像的高频梯度二值图。然后基于提取出的模糊图像的互补性特征，利用互补性计算公式进行互补性定量计算，得到模糊图像间的互补性数值大小。该方法对不同模糊图像的互补性进行衡量，为模糊图像多帧复原提供了更加明确的图像选帧依据，对于图像质量参差不齐的序列多帧图像，基于互补性表征的图像选帧方式提高了图像复原的质量。
-
公开(公告)号：CN104091364A
公开(公告)日：2014-10-08
申请号：CN201410328001.9
申请日：2014-07-10
Applicant: 西北工业大学
IPC: G06T17/00
Abstract: 本发明公开了一种单幅图像超分辨重建方法，用于解决现有图像超分辨重建方法图像重建精度低的技术问题。技术方案是首先利用大量高分辨图像提取高/低分辨率的图像块对作为字典，然后根据输入的图像块选取字典中的低分辨率图像块进行变形场的计算，进而对字典中对应的高分辨图像块进行变形。通过局部约束和全局约束得到最终的高分辨图像。本发明利用可变形的图像块，大大增强了字典的表述能力，进而提高了最终的重建效果。在选取30000个7×7个图像块对作为字典，图像块提取步长取为s＝1时，对256×256的标准测试图像Lena图像进行放大倍数为3的超分辨重建时，能够达到PSNR＝31.53的重建精度，高于文献中PSNR＝29.68的重建精度。
-
Patent Agency Ranking
公开(公告)号：CN102750678A
公开(公告)日：2012-10-24
申请号：CN201210201031.4
申请日：2012-06-18
Applicant: 西北工业大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于自然图像统计稀疏模型的单帧图像超分辨重建方法，用于解决现有基于稀疏表示的单帧图像超分辨重建算法重建图像质量差的技术问题。技术方案是利用自然图像的统计特性，采用贝叶斯方法对图像超分辨重建问题进行建模，并采用最小均方误差准则对高分辨率图像进行估计。重建得到的高分辨图像更加自然，伪结构数目减少，且具有更清晰的边缘结构，与背景技术的方法相比，能获得更高质量的超分辨重建图像，重建结果提高了1dB～2dB。
-
公开(公告)号：CN119942042A
公开(公告)日：2025-05-06
申请号：CN202510413770.7
申请日：2025-04-03
Applicant: 西北工业大学
IPC: G06V10/10 , G06N3/045 , G06N3/0464 , G06N3/0985 , G06V10/44 , G06V10/764 , G06V10/80 , H04N23/73 , H04N23/60 , H04N23/741
Abstract: 本发明公开了一种基于成像参数优化控制的图像动态获取方法，包括：智能体通过执行当前时刻的成像参数获取当前时刻图像以及上一时刻的融合图像，利用当前时刻图像以及所述融合图像构建当前时刻的状态值；利用特征提取网络对当前时刻的状态值进行特征提取，得到当前时刻的状态特征；基于当前时刻的状态特征，智能体通过与环境交互获取下一时刻的状态特征；设置双价值网络，基于所述策略网络以及下一时刻的状态特征对所述双价值网络进行训练；在双价值网络训练过程的每一次训练后，利用预设损失函数对策略网络进行训练；当双价值网络以及所述策略网络训练好之后，保存训练好的策略网络用于智能体图像动态获取过程中的优化控制。
-
公开(公告)号：CN114841897B
公开(公告)日：2024-03-15
申请号：CN202210648028.0
申请日：2022-06-08
Applicant: 西北工业大学
IPC: G06T5/73 , G06T5/50 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于自适应模糊核估计的深度去模糊方法，使用公共GoPro数据集上进行训练和评估，采用UNet结构设计深度卷积神经网络，训练深度卷积神经网络后，基于训练所得深度卷积神经网络来进行图像去模糊。本发明增强编码器捕获的相应浅层特征的表达，并细化了浅层特征，并促使它们更加注意模糊区域，扩大了感受野并向网络提供丰富的多尺度信息，无需额外的约束信息和显式估计就可以学习模糊输入图像每个像素位置的模糊核，以具备非均匀模糊的处理能力和更好的泛化能力，将网络输出的模糊核映射与融合映射与原始图像进行融合即可以得到最终的清晰图像，通过学习的方式学习融合图的权重，使得复原得到的图像更加真实，鲁棒性更强。
-
公开(公告)号：CN117670733A
公开(公告)日：2024-03-08
申请号：CN202311616072.4
申请日：2023-11-30
Applicant: 西北工业大学
IPC: G06T5/77 , G06T5/70 , G06V10/764 , G06N3/0455 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于小波谱学习的低光照图像增强方法，首先输入低光照图像和标签图像，经过潜在编码器得到先验知识真值；然后使用先验知识训练扩散模型，在预测阶段，使用随机噪声得到先验知识；再使用先验知识P构建基于小波的Transformer模块；利用基于小波的Transformer模块，构建对称分层网络架构；最终使用输出图像与先验知识真值优化网络模型。本发明成功解决了在低光照条件下图像细节部分的恢复问题，为低光照图像增强提供了一种高效的解决方案。
-
公开(公告)号：CN116664976A
公开(公告)日：2023-08-29
申请号：CN202310638035.7
申请日：2023-06-01
Applicant: 西北工业大学
IPC: G06V10/774 , G06V10/764 , G06V10/766 , G06F17/17 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于自监督预训练的图像美学评估方法，首先输入无标签数据集，得到增强视图；然后将增强视图输入由编码器和扩展器组成的美学表征提取网络；再用自监督的方法训练美学表征提取网络，得到训练后的美学表征提取网络编码器；将自监督训练后的编码器加上回归分类头，组成教师网络模型；使用有标签数据集微调教师网络模型；最后通过自训练解决过拟合问题。本发明可以解决图像美学评估的有监督学习方法中需要大量有标签数据的缺点，有效地减少过度拟合并提高网络性能。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.025 seconds)
