-
公开(公告)号：CN112651917A
公开(公告)日：2021-04-13
申请号：CN202011577451.3
申请日：2020-12-28
Applicant: 北京信息科技大学
Abstract: 本发明提出了一种基于生成对抗网络的空间卫星低照度图像增强方法。首先，设计了一种密集连接的生成器，加强了各特征提取阶段中的信息传递以及多层特征的融合，减少了特征信息的损耗，更好地提取正常照度图像及低照度图像中相似的语义信息；并结合EnlightenGAN的思想，采用了全局‑局部辨别器结构，使图像增强效果更自然。然后，在少量样本的条件下，利用非配对样本对本文方法进行训练，并通过对输入图像进行随机缩放及翻转等数据增强方法提高模型训练效果，进而提升低照度图像增强性能。最后，对所提出的空间卫星低照度图像增强方法进行了仿真验证。本发明提高了图像的平均亮度及对比度，恢复图像细节信息，为图像处理技术提供了更高质量的数据信息。
-
公开(公告)号：CN113469287A
公开(公告)日：2021-10-01
申请号：CN202110850338.6
申请日：2021-07-27
Applicant: 北京信息科技大学
Abstract: 本发明提供一种基于实例分割网络的航天器多局部构件检测方法，包括如下步骤：对航天器输入图像进行特征提取，得到特征图S3～S5；将S3～S5输入到主干网络FPN结构中，得到多尺度的特征图P3～P6；将所述多尺度特征图P3～P6输入到目标检测头部进行航天器局部构件检测,从而获得对目标的类别、边界框以及中心度的预测结果；通过所述类别及中心度信息对所述边界框进行优化，得到优化后的边界框；将所述优化后的边界框输入到掩码生成分支进行实例分割，得到航天器局部构件的掩码信息，进一步可获得构件的轮廓信息。本发明所提出的局部构件检测及分割方法较现有网络模型在检测精度及速度上具有更优的性能表现。
-
公开(公告)号：CN113469286A
公开(公告)日：2021-10-01
申请号：CN202110850336.7
申请日：2021-07-27
Applicant: 北京信息科技大学
Abstract: 本发明提供一种基于区域卷积神经网络航天器多局部构件检测方法，包括如下步骤：输入待检测航天器原始图像；对原始图像进行航天器初始特征提取，获得多尺度及语义信息的特征图；将所述特征图进一步提取特征并融合；将所述提取融合后的特征图生成精准的ROI；对所述ROI进行处理，以获取尺寸修正后的特征图；对所述修正后的特征图进行区域卷积神经网络处理，获取航天器目标构件的参数信息。本发明在航天器图像特征提取阶段采用了结合残差连接结构及特征金字塔结构进行初步的多尺度特征提取，然后再通过密集连接模块进行更深层的特征提取及融合，提高了不同各卷积层之间的特征传输并减缓由上采样及多尺度特征直接融合导致的语义模糊的问题。
-
-
Search Results
3
records
(took 0.016 seconds)
