-
公开(公告)号：CN114972061B
公开(公告)日：2024-05-31
申请号：CN202210352440.8
申请日：2022-04-04
Applicant: 北京理工大学
IPC: G06T5/70
Abstract: 本发明涉及一种暗光视频去噪增强方法及系统，属于计算机视觉技术领域。本发明利用时间空间的自相似性，并结合了基于3D窗口的自注意力机制。通过3D注意力来利用自然视频中的自相似性，同时采用U型网络设计。本发明结合了深层卷积，可以更好地利用视频中存在的冗余细节，特别是在连续帧之间。通过使用基于窗口的自注意力来处理长距离的依赖关系，使用深度卷积来处理局部性，网络在空间和时间上都结合了有效信息。本发明能够在不依靠任何额外设备的情况下，高效率地对高质量有噪声、无噪声视频数据对进行收集，视频场景能够包含日常生活中的几乎所有场景，尤其适用于低光照条件，能够保证在真实视频去噪时的有效性与稳定性。
-
公开(公告)号：CN117876837A
公开(公告)日：2024-04-12
申请号：CN202410270553.2
申请日：2024-03-11
Applicant: 北京理工大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/09 , G06V10/44
Abstract: 本申请提出了一种基于深度展开网络的近红外单像素成像方法及系统，该方法包括：基于单像素成像原理，构建有监督的近红外单像素成像训练数据集；构建基于Transformer模型和广义交替投影算法框架的深度展开成像网络，并通过训练数据集对深度展开成像网络进行训练；根据近红外单像素成像原理搭建成像光路，通过成像光路中的近红外单像素探测器，采集当前待成像的目标场景对应的一维欠采样近红外单像素测量值；将一维欠采样近红外单像素测量值输入训练完成的深度展开成像网络，获取根据测量值重建的目标场景图像。该方法基于深度展开网络，能够在欠采样的基础上实现高质量、高效率和高鲁棒性的近红外单像素成像。
-
公开(公告)号：CN117793538A
公开(公告)日：2024-03-29
申请号：CN202410200816.2
申请日：2024-02-23
Applicant: 北京理工大学 , 杭州电子科技大学丽水研究院 , 杭州电子科技大学
Abstract: 本申请提出了一种图像自动曝光矫正与增强方法及装置，该方法包括：根据正常曝光Raw图像数据中的线性关系，构造有监督的异常曝光图像数据集；构建全局亮度调整网络与频率增强重建网络，将异常曝光图像数据集输入全局亮度调整网络，得到亮度矫正图像，将亮度矫正图像输入频率增强重建网络，得到矫正增强图像；基于矫正增强图像与正常曝光Raw图像数据，计算损失值，并基于损失值对其网络模型参数进行优化，得到优化模型；将其他图像输入优化模型得到优化图像，根据图像质量评价指标评价优化图像，得到客观评估指标。基于本申请提出的方案，能够对原始Raw图像数据达到自动曝光矫正与增强的效果，从而应对复杂环境下成像质量低的问题。
-
公开(公告)号：CN117726807A
公开(公告)日：2024-03-19
申请号：CN202410176677.4
申请日：2024-02-08
Applicant: 北京理工大学
IPC: G06V10/25 , G06V10/22 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/082
Abstract: 本申请提出了一种基于尺度和位置敏感性的红外小目标检测方法及系统，该方法包括：对预设的红外小目标数据集进行预处理，通过多种数据增强技术对红外小目标数据集进行数据增广操作；将增广得到的不同尺度的训练数据输入深度卷积神经网络进行不同尺度的预测，获得多尺度预测结果；对深度卷积神经网络进行训练，获得训练完成的深度卷积检测模型，其中，在训练过程中通过尺度与位置敏感损失函数约束多尺度预测结果；将待检测的目标红外图像输入训练完成的深度卷积检测模型，获得对检测目标的预测结果。该方法通过更轻量化的检测模型，可以精确区分检测目标的尺度和位置，提高了红外小目标检测的精确性。
-
公开(公告)号：CN117726542A
公开(公告)日：2024-03-19
申请号：CN202410180240.8
申请日：2024-02-18
Applicant: 北京理工大学
IPC: G06T5/70 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06T5/60
Abstract: 本申请提出了一种基于扩散模型的可控噪声去除方法及系统，该方法包括：构建基于潜在扩散模型的拟真噪声建模网络，包括噪声生成网络和相机适配网络；通过包括相机参数以及成对的真实带噪图像和干净图像的训练数据，预训练拟真噪声建模网络；基于扩散模型对预训练完成的相机适配网络进行微调；通过微调后的相机适配网络和预训练后的噪声生成网络生成大量的拟真成对数据，并通过拟真成对数据训练深度学习去噪网络，通过训练完成的深度学习去噪网络对待处理图像进行去噪。该方法能够针对各类相机的特定参数，可控地生成逼近真实噪声分布的成对训练数据集，实现高效的图像噪声去除效果。
-
Patent Agency Ranking
公开(公告)号：CN117218353A
公开(公告)日：2023-12-12
申请号：CN202311025073.1
申请日：2023-08-15
Applicant: 北京理工大学
IPC: G06V10/30 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明提出了基于混合注意力机制的光谱去噪方法，属于计算视觉技术领域。本发明设计了一种用于高光谱图像去噪的混合注意力网络MAN，通过引入一个多头循环光谱注意力MHRSA来代替普通的光谱融合，它在光谱维度上反复关注，以动态混合来自所有光谱带的光谱间特征。本发明提出了一种渐进的光谱通道注意力机制PSCA，依次应用动态信道混合和静态信道混合，以渐进地混合每个频带的谱内特征。MHRSA和PSCA相互合作，使信息特征沿谱间和谱内维度传播和相互作用。本发明提出了一种新的跳跃连接注意力，它自适应地结合了编码器和解码器的低级别和高级别特征，为每个空间光谱位置分配逐元素融合权重，允许后续层选择性地关注信息量更大的区域，从而获得更好的去噪结果。
-
公开(公告)号：CN117114983A
公开(公告)日：2023-11-24
申请号：CN202310613082.6
申请日：2023-05-26
Applicant: 北京理工大学 , 中国科学院西安光学精密机械研究所
Abstract: 本发明提出一种基于空谱联合匹配的高光谱图像超分辨率方法，包括，依据退化模型，构造有监督的高光谱图像和彩色图像成对的数据集；构造高光谱超分辨率网络，使用数据集对高光谱超分辨率网络进行训练；建立监督约束，使用损失函数优化高光谱超分辨率网络的参数；获取输入数据，生成高分辨率高光谱图像，完成推理和指标评价。本发明能够基于深度学习网络，通过对准和融合低分辨率的高光谱图像和高分辨率，获得高质量的高分辨率的高光谱图像。
-
公开(公告)号：CN116704180A
公开(公告)日：2023-09-05
申请号：CN202310543791.1
申请日：2023-05-15
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于频率感知特征融合的图像语义分割方法及系统，属于计算机视觉技术领域。本发明在语义分割神经网络模型的特征融合过程中，自适应地去除上采样高层特征中的有害高频，并增强低层特征中的有益高频，从而提高特征融合效果，减轻特征不对齐问题，得到细节丰富的融合特征。本发明方法可以拓展到语义分割模型的后上采样过程中，利用图像中的有益高频信息引导移除上采样后的不准确的高频成分以得到富有细节的高分辨率输出结果。本方法在引入极小的额外计算量和参数量下，大幅度提高语义分割模型在特征融合以及后上采样过程中保留重要区域细节信息的能力，实现了高精度低复杂度的语义分割。
-
公开(公告)号：CN116245966A
公开(公告)日：2023-06-09
申请号：CN202211621647.7
申请日：2022-12-16
Applicant: 北京理工大学
IPC: G06T11/00 , G06V10/26 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/08
Abstract: 本发明涉及一种基于特征引导的双阶段地图生成方法及系统，属于计算机视觉处理应用技术领域。本发明设计了一个有效的深度神经网络，用于利用遥感图像生成对应的地图图像，并考虑地理要素类内差异性和地理要素域间差异性，同时，设计了对应的网络模块用于辅助生成高质量的地图图像。本发明使用基于特征引导的双阶段地图生成网络，利用遥感图像生成对应的地图图像，实现了从遥感图像智能生成地图图像，无需现场收集矢量数据和聘请专家处理数据绘制地图，加快了地图更新迭代速度。相比于传统方法生成速度快，花费低廉。同时，相比于图像风格迁移等深度学习方法，本发明生成的地图图像质量高。
-
公开(公告)号：CN115953720A
公开(公告)日：2023-04-11
申请号：CN202310010110.5
申请日：2023-01-04
Applicant: 北京理工大学
IPC: G06V20/40 , G06V10/25 , G06V10/764
Abstract: 本发明涉及一种基于查询机制的多目标跟踪方法与系统，属于计算机视觉图像处理技术领域。首先获取包含运动目标的场景视频。从获得的视频帧中获取感兴趣的检测查询，用于检测当前帧中的感兴趣目标。最后利用检测查询和上一帧跟踪结果，跟踪当前帧目标。系统包括视频帧获取模块、特征提取模块，检测查询获取模块和目标查询模块。本发明通过简化多目标跟踪的流程，降低了数据关联的复杂度，提高了多目标跟踪算法的易用性，提升了多目标跟踪方法的实用性，为高层视频内容的分析与处理提供了技术支持。同时，本发明允许多目标跟踪以自动识别或人为指定的方式跟踪感兴趣目标，进一步提升了实用性。
-
-
-
-
-
-
-
-
-
Search Results
146
records
(took 0.036 seconds)
