-
公开(公告)号：CN117934328A
公开(公告)日：2024-04-26
申请号：CN202410025131.9
申请日：2024-01-08
Applicant: 东北石油大学
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于门控提取模块和特征增强模块的图像去雾方法，具体来说本方法将门控特征提取模块和特征增强注意力网络相结合。相较于传统方法，本技术方案将深度可分离卷积和门控线性单元集成到门控提取模块中，可以在输入数据上应用门控机制，以便根据输入的不同特征和上下文信息选择性地增强或抑制特征表示，通过自适应门控机制，模型可以更加灵活地学习不同输入之间的关系，并提高对于复杂任务的建模能力，而通过特征增强模块的设计，同时利用通道注意机制和空间注意机制，不仅有效地减弱图像中的信道雾霾差异，还提升了模型的性能和表达能力，更全面地考虑了图像的结构和语义信息，有助于提高图像去雾的效果。
-
公开(公告)号：CN118628391A
公开(公告)日：2024-09-10
申请号：CN202410753964.7
申请日：2024-06-12
Applicant: 东北石油大学
IPC: G06T5/70 , G06T5/60 , G06T7/10 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0985 , G06N3/048
Abstract: 本发明涉及图像处理技术领域，具体涉及一种数字岩心图像去噪方法，提出了一种多特征自适应去噪网络，利用特征聚合和自适应机制的核心技术，不仅强化了模型在识别和处理图像噪声方面的能力，还确保了重要细节的保留。本发明通过采用平均池化技术帮助模型在处理图像时综合考虑整体结构和上下文关系，避免了仅聚焦于局部细节可能导致的误差。通过通道聚合，将处理后的各子通道特征再次融合，利用不同通道间的互补性，实现了特征信息的有机整合，通过特征提取模块致力于精准提取和增强图像中的细节特征。结合了深度可分离卷积与传统卷积技术，从而使特征提取模块能够高效地提取出图像中的关键细节信息。
-
公开(公告)号：CN118485604A
公开(公告)日：2024-08-13
申请号：CN202410671256.9
申请日：2024-05-28
Applicant: 东北石油大学
IPC: G06T5/73 , G06T5/60 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及图像处理技术领域，具体涉及一种数字岩心CT图像的去模糊方法，通过设置一个基于深度学习的双阶段网络，网络的第一个阶段能够获得丰富的上下文信息，并且通过设置有过渡监督模块，抑制提取的不相关的信息，只将有用的信息过渡到下一阶段，从而提升网络的性能，网络的第二阶段在关注重要的特征通道同时关注空间细节信息，弥补了网络泛化能力不足，无法处理依赖精细空间信息的任务的问题，通过全局特征融合网络融合两个阶段提取的特征，使两个阶段分别提取的上下文特征和通道与空间细节信息能更好的融合在一起，本发明有效提升了图像去模糊后的峰值信噪比，得到的图像质量好，接近原始图像。
-
公开(公告)号：CN118195897A
公开(公告)日：2024-06-14
申请号：CN202410321487.7
申请日：2024-03-20
Applicant: 东北石油大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/0499 , G06N3/084
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于双维度注意力的数字岩心图像超分重建方法，通过网络模型对图像特征进行处理，依次包括以下步骤：首先对低分辨率的岩心图像进行预处理，然后通过浅层特征提取模块提取岩心图像的浅层特征，再通过深层特征提取模块进一步提取岩心图像的深层特征，最后将提取到的深层特征输入网络模型的图像重建模块，得到高分辨率的岩心图像。相较于传统方法，本技术方案包括基于双维度大核注意力单元以及门控‑深度卷积前馈神经网络单元搭建的双维度注意力模块，并在双维度注意力模块后添加增强空间注意力单元和对比度通道注意力单元以防止浅层模型丢失重要的高频特征。
-
-
-
Search Results
4
records
(took 0.017 seconds)
