-
公开(公告)号：CN117541611A
公开(公告)日：2024-02-09
申请号：CN202311569675.3
申请日：2023-11-23
Applicant: 吉林大学
Abstract: 基于分数阶累积量谱的SAR图像边缘检测装置和方法属计算机图像处理技术领域，本发明的方法包括：基于分数阶微积分原理对SAR图像进行分数阶矩估计，得到矩特征图像；基于分数阶矩估计计算分数阶累积量，得到累积量特征图像；提出分数阶累积量谱的定义，计算SAR图像的分数阶累积量谱，得到谱特征图像；计算分数阶累积量谱差值，实现含噪SAR图像的边缘检测。本发明的方法在边缘检测的过程中，通过将SAR图像进行基于分数阶累积量谱的特征提取，获取有利于特征强化的谱图像，能有效降低噪声对SAR图像特征提取的影响，且后续通过谱特征的差值计算，能获取较准确的图像边缘，使含噪SAR图像的边缘检测准确度得到很大提升。
-
公开(公告)号：CN117495930A
公开(公告)日：2024-02-02
申请号：CN202311569674.9
申请日：2023-11-23
Applicant: 吉林大学
Abstract: 基于分数阶累积量谱的SAR图像抗噪配准装置和方法属计算机图像处理技术领域，本发明的方法包括：计算并建立SAR图像的Fourier变换谱关系式；将谱关系式变换至对数‑极空间，计算旋转及缩放参数；对待配准图像进行旋转和缩放，得到只存在平移量的过渡图像；计算SAR图像的分数阶累积量谱，通过谱相位差，获得精准的平移估计量，实现SAR图像的抗噪配准。本发明适用于基于分数阶累积量谱对SAR图像或可见光图像进行配准的图像处理操作。本发明提出的基于分数阶累积量谱的SAR图像抗噪配准方法，能实现配准中的参数分离，通过所提出的分数阶累积量谱，能抑制SAR图像中的非高斯噪声，实现准确的SAR图像配准。
-
公开(公告)号：CN116630440A
公开(公告)日：2023-08-22
申请号：CN202310620550.2
申请日：2023-05-30
Applicant: 吉林大学
IPC: G06T7/80 , G06T5/50 , G06T7/50 , G06T7/70 , G06T17/00 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06T3/00
Abstract: 一种宽基线稀疏相机阵列的新视图合成方法属计算机视觉和计算机图形学中的新视图合成技术领域，本发明的方法分为对目标稀疏采集、相机姿态标定和深度图重建、构建平面‑深度融合扫描体、使用卷积神经网络生成预测视图四个步骤。在对目标稀疏采集时使用了宽基线稀疏相机阵列，用采集的稀疏视图进行相机姿态的标定，并提出了一种相机姿态标准化方法，利用标准化后的相机姿态，设计了平面‑深度融合扫描体，最后利用两个卷积神经网络生成预测视图。实际效果表明，相较于现有的新视图合成方法，本发明提出的新视图合成方法具有输入视角大、生成图像质量高、生成视点位置自由的优点，视图合成效果优于传统的新视图合成方法。
-
公开(公告)号：CN116612394A
公开(公告)日：2023-08-18
申请号：CN202310498696.4
申请日：2023-05-06
Applicant: 吉林大学
IPC: G06V20/13 , G06V10/32 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 基于Restormer‑FFM网络的小目标检测方法属于提高图像分辨率技术领域，尤其涉及到将Transformer应用于小目标检测方面，步骤包括：获取原始场景图像，即公开数据集COWC遥感图像；构建数据集，使用双三次下采样生成低分辨率图像并统一数据集尺寸；在Restoration Transformer网络，简称Restormer网络基础上加特征融合FFM模块，将处理后的图像送入Restormer‑FFM网络中提高分辨率；基于提高分辨率的图像进行小目标检测。本发明能提高带有小目标的图像分辨率进而对小目标检测的检测性能有所帮助，对于遥感图像、小目标检测、提高图像分辨率都有重大的意义。
-
公开(公告)号：CN111881925B
公开(公告)日：2023-04-18
申请号：CN202010787230.2
申请日：2020-08-07
Applicant: 吉林大学
Abstract: 一种基于相机阵列选择性光场重聚焦的显著性检测方法属图像处理和计算机视觉技术领域，本发明利用同一场景的多幅视点图像，对中心视点图像进行可选择深度层的重聚焦，使其它深度层受到不同程度的模糊，然后利用重聚焦的结果，实现考虑场景的深度和聚焦信息的显著性检测；对于某些目标区域颜色和背景颜色相近或背景复杂以及场景包含多个显著性目标的情况，检测效果能得到有效改善；另外通过指定聚焦深度层，使场景中某些显著性区域以外值得关注的区域被检测出，包含多个显著性目标的场景中位于指定深度层的目标被更精细地被检测出，能实现可选择的显著性检测。
-
Patent Agency Ranking
公开(公告)号：CN112907692B
公开(公告)日：2023-04-14
申请号：CN202110380283.7
申请日：2021-04-09
Applicant: 吉林大学
IPC: G06T11/00 , G06T7/10 , G06N3/0455 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 一种基于SFRC‑GAN的从素描到人脸重建方法属人工智能深度学习技术领域，本发明使用的网络结构包含两个映射网络，损失函数选择采用Adversarialloss函数和CycleConsistencyLoss函数，本发明使用SFRC‑GAN进行从素描到人脸重建，与真实人脸照片对比相似度极高且面部细节清晰明了，与使用传统算法进行重建相比真实感更高，细节还原更好，与使用传统GAN网络的算法相比更加清晰真实，而且SFRC‑GAN不要求数据集成对输入，即使在没有成对样本的情况下也可进行人脸重建，能降低网络对数据库的要求和限制，本发明对公安部门根据素描画像确定人物身份有很好的启示作用。
-
公开(公告)号：CN115761635A
公开(公告)日：2023-03-07
申请号：CN202211453951.5
申请日：2022-11-21
Applicant: 吉林大学
IPC: G06V20/52 , G06V40/10 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于轮廓图像嵌入的行人重识别方法属计算机视觉技术领域，本发明的方法包括下列步骤：1.基于RCF算法的行人轮廓图提取；2.在ResNet‑50网络第一层进行轮廓图嵌入；3.提出轮廓信息提取模块，在ResNet‑50网络第一残差块后嵌入轮廓信息；4.在ResNet‑50网络第二残差块后嵌入轮廓信息；5.网络剩余部分特征提取并计算损失函数。本发明通过在卷积神经网络中嵌入有效的轮廓信息，解决其在提取行人特征时行人轮廓信息缺失的问题，适用于行人重识别任务，本发明使得网络确实的关注到行人轮廓信息，并比原网络具有更好的识别效果。
-
公开(公告)号：CN115760574A
公开(公告)日：2023-03-07
申请号：CN202211453694.5
申请日：2022-11-21
Applicant: 吉林大学
Abstract: 一种基于更丰富的卷积特征算法的医学超分辨率重建方法属图像处理技术领域，本发明通过基于更丰富的卷积特征的边缘检测(RCF)算法，运用labelme工具标记数据集；进行训练并调整参数；使用训练好的模型对目标图片进行边缘检测，来提高医学CT图片边缘检测的准确性；对得到的图片进行裁剪，保留脊椎部分；再通过面绘制的移动立方体算法进行重建，得到更好的三维重建效果；本发明能解决现有医学重建存在的分辨率低、重建效果不理想的问题。
-
公开(公告)号：CN115393710A
公开(公告)日：2022-11-25
申请号：CN202210941835.1
申请日：2022-08-08
Applicant: 吉林大学
IPC: G06V20/10 , G06V10/26 , G06V10/28 , G06V10/34 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06T5/00 , G06T7/11 , G06T7/73 , G06N3/04 , G06N3/08
Abstract: 基于粗掩码平滑标签监督的任意角度目标检测方法属人工智能深度学习和计算及视觉目标检测与分割技术领域，本发明使用GLSMask‑RCNN模型，完成对可见光遥感图像中任意角度非水平目标的检测，对具有大长宽比且分布密集的目标具有优良的检测性能；由于本发明为基于像素级别掩码分割的检测方法，并引入可自适应的二维高斯标签平滑以优化粗标签的监督，因此在训练和实际检测阶段，都能解决非水平目标检测任务中常见的边界问题，模型的检测性能更加稳定。本发明为可见光遥感图像目标检测提供了一种有效的新方案，并且适用于其它类型图像的非水平目标检测场景。
-
公开(公告)号：CN115242934A
公开(公告)日：2022-10-25
申请号：CN202210754585.0
申请日：2022-06-30
Applicant: 吉林大学
Abstract: 本发明公开了带有深度信息的噪声吞噬鬼成像，首先运用光到达不同距离的物体时间不同的特征，获取每个深度下场景的二维图像，来重构出物体的深度信息，提出的噪声吞噬算法，使得重构出来的图像噪声降低。本文使用很高的深度分辨率的两层切片做实验，在正常照明情况下，使用激光和随机散斑即可实现，无需使用暗室。相比于雷达成像，具有更低的成本，更简单的设备，更方便调试。应用在遥感探测领域，可以不受极端环境影响，成像速度更快。其吞噬算法与原图像相比，在图像质量评测中，NRSS值提升NRSS值提升45%，Brisque提升25%，Niqe提升33%。与未处理图像相比，极大的降低噪声对图像深度信息的影响。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.096 seconds)
