-
公开(公告)号:CN115578260B
公开(公告)日:2023-07-25
申请号:CN202211222173.9
申请日:2022-10-08
Applicant: 苏州大学
Abstract: 本发明涉及图像处理领域,公开一种针对图像超分辨率的方向解耦的注意力方法和系统,方法包括:获取输入图像并提取特征得到初始特征图,构建包括多个方向解耦的注意力机制的超分辨率重建网络;将初始特征图输入所述包括多个方向解耦的注意力机制的超分辨率重建网络,在每个方向解耦的注意力机制中进行水平方向和垂直方向的信息提取,多次进行水平方向和垂直方向的信息提取后得到最终的输出特征图;结合初始特征图和最终的输出特征图得到输入图像对应的高分辨率图像;系统包括数据获取模块、超分辨率重建网络模块和图像输出模块。本发明可以在提升信息捕获能力的同时降低计算复杂度,实现对低分辨率图像的高清还原,并且方便迁移扩展。
-
公开(公告)号:CN114677412B
公开(公告)日:2023-05-12
申请号:CN202210270582.X
申请日:2022-03-18
Applicant: 苏州大学
Abstract: 本发明公开了一种光流估计的方法、装置、设备以及计算机可读存储介质,包括:提取相邻两帧图像的特征,构建每一帧图像的特征矩阵;将每一帧图像的浅层特征矩阵输入多尺度通道注意力网络和多尺度空间注意力网络中进行处理,得到高鲁棒的每一帧图像的空间特征矩阵;计算相邻两帧图像的空间特征矩阵的相似度编码,根据相似度编码进行Encoder操作得到运动特征;利用上下文编码器提取第一帧图像的上下文特征;将运动特征和上下文特征进行融合输入GRU模块中得到光流残差;基于光流残差进行迭代运算,输出光流估计结果。本发明引入多尺度通道和空间注意力网络,增强网络的鲁棒性和对小物体的表征能力,提高小物体的光流估计结果。
-
公开(公告)号:CN115690170A
公开(公告)日:2023-02-03
申请号:CN202211221511.7
申请日:2022-10-08
Applicant: 苏州大学
Abstract: 本发明实施例提供一种针对不同尺度目标自适应的光流估计的方法及系统,该方法包括将相邻两帧图像输入卷积神经网络,并对两帧图像进行特征提取,得到两帧图像的浅层特征;对两帧图像的浅层特征进行处理,获得两帧图像的多尺度特征;利用两帧图像的粗糙尺度特征、中等尺度特征及精细尺度特征之间的信息交互获得多尺度成本量;对两帧图像中的第一帧图像进行上下文编码,并联合所述多尺度成本量计算光流估计结果;利用光流的端点误差作为损失函数,对光流估计结果进行拟合。本发明解决了由成本量单一导致丢失不同尺度对象的精细细节,从而导致较差的估计性能的问题,提高了光流估计的准确性。
-
公开(公告)号:CN115660984A
公开(公告)日:2023-01-31
申请号:CN202211310311.9
申请日:2022-10-25
Applicant: 苏州大学
Abstract: 本发明涉及深度学习技术领域,尤其是指一种图像高清还原方法、装置及计算机存储介质。本发明所述的图像高清还原方法,提出并设计了多级多结构注意力,多结构注意力包括现有的窗口注意力、移动窗口注意力和新引入的全局注意力操作,新引入的全局注意力操作把图像通过水平和垂直两个方向进行方向解耦,然后以很低代价计算出全局的注意力依赖关系,三种注意力的自计算和结合计算使得神经网络可以同时弥补对于局部和全局的注意力的缺陷,对现存的注意力机制进行更好的性能补偿,并且其最突出的全局注意力模块拥有非常好的性能和非常低的复杂度,完美的解决了目前注意力结构遇到的高复杂度的问题,使得计算效率大大提升。
-
公开(公告)号:CN115564728A
公开(公告)日:2023-01-03
申请号:CN202211212962.4
申请日:2022-09-30
Applicant: 苏州大学
Abstract: 本发明公开了一种图像角点检测方法、装置、设备及应用,涉及图像处理及计算机视觉领域,包括获取待检测图像的图像边缘,得边缘图像,追踪边缘图像的边缘曲线,并将边缘曲线用离散点表示,得到离散边缘曲线图像,将离散边缘曲线图像进行平滑处理,得到降噪曲线图像,基于降噪曲线图像上的每个离散点前后两个方向拟合出两条线段,选取两条线段端点之间的曲线为该离散点的支撑区域,基于每个离散点的支撑区域,计算每个离散点的角点度值,筛选符合预设角点度阈值的离散点,得到最终角点集合,支撑区域取决于角点周围的真实结构,对离散点周围的边缘结构具有较强的适应性,实现了准确检测离散点出的弯曲程度,提高了角点的识别精度,加快了检测效率。
-
公开(公告)号:CN108305260B
公开(公告)日:2022-04-12
申请号:CN201810174954.2
申请日:2018-03-02
Applicant: 苏州大学
IPC: G06T7/11 , G06T7/13 , G06T5/00 , G06T5/30 , G06V10/764 , G06V10/774 , G06V10/80 , G06K9/62
Abstract: 本申请公开了一种图像中角点的检测方法,包括:获取受检图像;利用预先建立的全卷积神经网络分类器,对受检图像中的图像区域进行分类,并生成图像区域分割图;全卷积神经网络分类器预先由图像数据库训练生成,图像数据库包括标注有图像区域分类标签的标准图像数据;采用角点检测算法对图像区域分割图进行角点检测,以便获取受检图像的角点。本申请利用全卷积神经网络分类器实现图像语义分割,克服了受检图像中障碍物或阴影对角点检测的干扰,从而有效提高了检测精确度。本申请还公开了一种图像中角点的检测装置、设备及计算机可读存储介质,也具有上述有益效果。
-
公开(公告)号:CN108629788B
公开(公告)日:2022-03-15
申请号:CN201810432571.0
申请日:2018-05-08
Applicant: 苏州大学
IPC: G06T7/13
Abstract: 本发明公开了一种图像边缘检测方法,该方法包括以下步骤:获取目标原始图像对应的多个不同尺度的边缘检测图;将目标高尺度边缘检测图与目标低尺度边缘检测图进行对比,获得候选边缘检测图;在目标高尺度边缘检测图中分别查找候选边缘检测图中的每一条候选边缘对应的边缘像素;在候选边缘检测图中将不存在边缘像素的候选边缘舍弃,获得双向跟踪检测修正图,以便进一步通过迭代计算获得目标原始图像对应的符合人眼视觉的边缘图。可以在保证边缘精度的同时,提高图像边缘检测的鲁棒性,有效提高了图像边缘检测性能。本发明还公开了一种图像边缘检测装置、设备及可读存储介质,具有相应的技术效果。
-
公开(公告)号:CN110737796A
公开(公告)日:2020-01-31
申请号:CN201910989436.0
申请日:2019-10-17
Applicant: 苏州大学
IPC: G06F16/583 , G06K9/46 , G06K9/62
Abstract: 本发明公开了一种图像检索方法、装置、设备及计算机可读存储介质。其中,方法包括分别提取待处理图像和各待匹配图像的轮廓边缘,并等距离采样多个点作为形状表示;利用多尺度高度函数子计算上述各图像在形状融合多尺度空间下的形状描述子;尺度高度函数子为在形态学尺度参数和高斯平滑尺度参数作用下的高度函数描述子;基于各形状描述子,通过计算待处理图像和各待匹配图像在单尺度空间的形状相似度,生成多个单尺度检索结果集;利用权重赋值函数为各待匹配图像形状设置新相似度值,并根据重新赋值的各单尺度检索结果集确定待处理图像的检索结果,实现了在保证高检索率的前提下,同时能很好地处理噪声干扰、类内变化甚至是不规则变化形状。
-
公开(公告)号:CN108305260A
公开(公告)日:2018-07-20
申请号:CN201810174954.2
申请日:2018-03-02
Applicant: 苏州大学
Abstract: 本申请公开了一种图像中角点的检测方法,包括:获取受检图像;利用预先建立的全卷积神经网络分类器,对受检图像中的图像区域进行分类,并生成图像区域分割图;全卷积神经网络分类器预先由图像数据库训练生成,图像数据库包括标注有图像区域分类标签的标准图像数据;采用角点检测算法对图像区域分割图进行角点检测,以便获取受检图像的角点。本申请利用全卷积神经网络分类器实现图像语义分割,克服了受检图像中障碍物或阴影对角点检测的干扰,从而有效提高了检测精确度。本申请还公开了一种图像中角点的检测装置、设备及计算机可读存储介质,也具有上述有益效果。
-
公开(公告)号:CN105678700A
公开(公告)日:2016-06-15
申请号:CN201610015629.2
申请日:2016-01-11
Applicant: 苏州大学
IPC: G06T3/40
CPC classification number: G06T3/4007
Abstract: 本发明公开一种基于预测梯度的图像插值方法及系统,主要是为了提供一种根据有效判断像素为边缘像素,且能够有效提高插值质量而设计。本发明基于预测梯度的图像插值方法,包括:判断待插值像素是否为边缘像素,若该待插值像素为非边缘像素,则采用线性插值方法进行插值得到高分辨率图像;若该待插值像素为边缘像素,则采用非线性插值方法进行插值得到高分辨率图像。本发明,能够有效判断图像梯度值,保留了边缘,纹理信息,减少插值算法中存在的锯齿现象和模糊现象并且处理转换到Lab颜色空间上的彩色图像只需要消耗较少的计算时间,对于实时图像应用具有重要的意义。
-
-
-
-
-
-
-
-
-