-
公开(公告)号：CN113160104B
公开(公告)日：2024-03-12
申请号：CN202110560960.3
申请日：2021-05-20
Applicant: 广东工业大学
IPC: G06T5/50 , G06T5/60 , G06V10/143 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供的一种基于密集连接网络的图像融合方法，首先将获取的第一图像和第二图像分别输入至第一卷积层中，通过第一卷积层来提取第一图像和第二图像的浅层特征，接着，再将提取后得到的第一浅层特征图和第二浅层特征图分别输入至密集连接网络中，通过密集连接网络提取第一浅层特征图和第二浅层特征图的深层特征，并且通过密集连接网络提取的特征具有上下文联系，能够更好地进行图像融合；最后，本申请对密集连接网络中提取得到的第一深层特征图和第二深层特征图进行深层特征融合，并对融合后的特征进行重构后获得最终的融合图像，该融合图像包含丰富的边缘信息和场景信息，提高了融合质量。
-
公开(公告)号：CN115937407A
公开(公告)日：2023-04-07
申请号：CN202211247066.1
申请日：2022-10-12
Applicant: 广东工业大学
IPC: G06T17/00 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及三维图像重建技术领域，更具体地说，它涉及一种基于坐标注意力机制和Unet的三维图像重建方法及系统，其技术方案要点是，包括以下步骤：S1、基于坐标注意力机制和Unet提供三维图像重建系统；S2、在所述三维图像重建系统上，根据深度学习三维图像重建方法获取目标的三维几何图像。本发明具有提高三维图像重建效率、提高了复杂不规则物体建模精度的优点。
-
公开(公告)号：CN115791835A
公开(公告)日：2023-03-14
申请号：CN202310030308.X
申请日：2023-01-10
Applicant: 广东工业大学
Abstract: 本发明涉及缺陷检测识别的技术领域，更具体地说，它涉及一种图像采集系统及全息显示用微透镜阵列的微弱缺陷检测方法，其技术方案要点是，包括显微成像组件，用于拍摄样品图像；图像处理组件，与所述显微成像组件电连接，用于处理所述样品图像；移动控制组件，用于承载所述样品，并带动所述样品移动。本发明可以实现全息显示用微透镜阵列质检全自动化，提高检测的效率，同时避免了人工检测时的高度主观性判断，减低了检测的误差，使漏检率和误检率降低。
-
公开(公告)号：CN113034408B
公开(公告)日：2022-08-12
申请号：CN202110482836.X
申请日：2021-04-30
Applicant: 广东工业大学
Abstract: 本发明公开了一种红外热成像系统深度学习图像去噪方法及装置，所述方法包括：获取红外热成像系统采集的目标物图像并进行下采样处理，分割成子图像；对每个子图像进行图像块提取以及重组像素，得到预处理后的子图像；构建噪声图，并将噪声图作为额外通道添加到所述预处理后的子图像中作为输入图像；将输入图像作为训练好的深度学习模型中，输出噪声的估计值；从所述目标物图像中去除噪声的估计值，得到去噪后的图像。本方法，可以充分利用图像丰富的结构特征和相似性，更好地利用图像块特征中的上下文信息并充分提取图像特征，在红外图像本身特征值较少情况下实现了较好的效果，非常有利于红外热成像及深度学习技术的应用研究。
-
公开(公告)号：CN112729152B
公开(公告)日：2022-03-25
申请号：CN202011422371.0
申请日：2020-12-08
Applicant: 广东工业大学
IPC: G01B11/24
Abstract: 本发明公开了一种基于双曲线阈值去噪的峰值提取方法，包括以下步骤：S1、对信号进行预处理，得到频谱序列Y，并以频谱序列Y为纵坐标，频谱序列Y的频率取值B为横坐标绘制出信号有效波段的频谱图；S2、对频谱序列Y进行双曲线阈值去噪处理，得到去噪后的频谱图；S3、对频谱图的有效峰值进行提取。本发明在进行双曲线阈值去噪的基础上通过采用波峰宽度阈值和高度均值及其条件权值来进行峰值提取，使自适应能力、精确度和分辨率都得到提高。只要求得有效峰值频率，就能计算出绝对距离，通过双曲线阈值去噪和峰值提取的方法可以将肉眼分辨不出来的有效峰值提取出来，从而扩大分光干涉仪的测距范围。
-
Patent Agency Ranking
公开(公告)号：CN113192154A
公开(公告)日：2021-07-30
申请号：CN202110594841.X
申请日：2021-05-28
Applicant: 广东工业大学
Abstract: 本申请公开了一种基于边缘计算的水下鬼成像系统及深度学习图像重建方法，系统包括：光源：用于向光调制装置的有效调制区域发射光线；光调制装置：用于通过散斑对光线进行调制并对调制后的光线进行反射，使得反射的光线沿着投影透镜的光轴通过投影透镜后射向水体中的目标物；会聚透镜用于：会聚经目标物反射的光线；光强探测器用于：对会聚后的光线的光强度信息进行采集；边缘计算模块的第一端与光调制装置连接，用于向光调制装置发送散斑；边缘计算模块的第二端与光强探测器连接，用于控制光强探测器采集光强度信息，根据光强度信息通过深度学习图像重建算法获取目标物的图像。解决了现有技术计算量大、成像分辨率低、成像质量差的问题。
-
公开(公告)号：CN113160104A
公开(公告)日：2021-07-23
申请号：CN202110560960.3
申请日：2021-05-20
Applicant: 广东工业大学
Abstract: 本发明提供的一种基于密集连接网络的图像融合方法，首先将获取的第一图像和第二图像分别输入至第一卷积层中，通过第一卷积层来提取第一图像和第二图像的浅层特征，接着，再将提取后得到的第一浅层特征图和第二浅层特征图分别输入至密集连接网络中，通过密集连接网络提取第一浅层特征图和第二浅层特征图的深层特征，并且通过密集连接网络提取的特征具有上下文联系，能够更好地进行图像融合；最后，本申请对密集连接网络中提取得到的第一深层特征图和第二深层特征图进行深层特征融合，并对融合后的特征进行重构后获得最终的融合图像，该融合图像包含丰富的边缘信息和场景信息，提高了融合质量。
-
公开(公告)号：CN112927139A
公开(公告)日：2021-06-08
申请号：CN202110307799.9
申请日：2021-03-23
Applicant: 广东工业大学
Abstract: 本申请公开了一种双目热成像系统及超分辨率图像获取方法，方法包括：获取多张可见光图像以及多张热成像图像；将热成像图像进行退化处理，得到退化热成像图像；将可见光图像以及退化热成像图像作为超分辨率网络的输入样本，将热成像图像作为训练标签；将插值后的退化热成像图像与可见光图像输入递进式纹理迁移网络中进行纹理迁移，得到融合可见光图像的纹理特征以及退化热成像图像的内容特征的纹理迁移特征图；提取退化热成像图像的浅层特征，将浅层特征与纹理迁移特征图输入到跨尺度残差聚合网络，得到热成像超分辨率红外图像。本申请解决了传统的热成像系统图像对比度低，分辨细节较差，且获取高分辨率图像成本极高的技术问题。
-
公开(公告)号：CN112270703A
公开(公告)日：2021-01-26
申请号：CN202011049755.2
申请日：2020-09-29
Applicant: 广东工业大学
Abstract: 本发明公开了一种用于定位系统的光斑图像亚像素级别重心提取方法，包括以下步骤：S1、获取定位系统的原始光斑图像Img1；S2、对原始光斑图像Img1进行预处理，得到图像Img2；S3、利用光斑图像的连通特性，运用二值图像连通域标记法将图像Img2的连通区域作同一个标记，根据连通域标记的参数对图像进行分割，将多个光斑转化成单光斑的定位问题；S4、利用质心法对每个连通区域光斑图像的重心进行初步定位，然后取整，得到整像素级别的重心坐标；S5、将梯度法运用到重心提取中，得到亚像素级别的重心坐标。本发明具有计算简单、运算速度快、提取精度高等优点。
-
公开(公告)号：CN112130169A
公开(公告)日：2020-12-25
申请号：CN202011010352.7
申请日：2020-09-23
Applicant: 广东工业大学
IPC: G01S17/89 , G01S17/933
Abstract: 本申请公开了一种激光雷达数据和高光谱图像的点云级融合方法，主要针对异构遥感数据，即激光雷达数据以及高光谱图像数据，基于加入正则项的非负矩阵分解框架首先对高光谱数据解混，获取高光谱图像数据丰度矩阵以及端元矩阵；并根据高光谱图像数据的最终丰度矩阵的丰度信息，采用双线性内插法获得激光雷达数据的丰度矩阵；将最终利用激光雷达数据的丰度矩阵与最终高光谱端元矩阵进行融合，得到高光谱点云。本申请将高光谱高分辨光谱信息与小光斑激光雷达高程信息在点云级的融合，具有同时进行光谱分类和3D结构分割的能力。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.036 seconds)
