-
公开(公告)号：CN113674154A
公开(公告)日：2021-11-19
申请号：CN202110970721.5
申请日：2021-08-23
Applicant: 北京印刷学院
Abstract: 本发明涉及一种基于生成对抗网络的单幅图像超分辨率重建方法及系统，其方法包括：S1：获取高分辨率子图像集IBH；S2：利用双三次插值法对IBH进行下采样，得到低分辨率子图像集IBL；S3：将低分辨率子图像集IBL输入到生成网络，通过网络的正向传播得到重建后的图像集IS；S4：将IBH与IS分别送入判别网络中进行正向传播得到其分类概率；S5：对判别网络的参数反向传播，更新判别网络；S6：对生成网络的参数反向传播，更新生成网络；S7：重复步骤S3～S6，直至当生成网络与判别网络达到相对的平衡状态时，得到重建的超分辨率图像。本发明的生成网络方法采用U‑Net网络结构，使得重建的图片更接近于真实图像，并在判别网络引入残差模块，提升抽取深层特征的能力。
-
公开(公告)号：CN106097253B
公开(公告)日：2019-04-09
申请号：CN201610717073.1
申请日：2016-08-24
Applicant: 北京印刷学院
Abstract: 本发明涉及一种基于块旋转和清晰度的单幅图像超分辨率重建方法。为增加训练样本块的多样性，但又不增加计算复杂度，将样本块进行一定角度的旋转，然后引入块清晰度对训练样本进行分类。对于块清晰度较高的纹理、角以及边缘块，利用分类好的对应样本库进行自相似性重建，而清晰度较低的块，则直接使用插值放大进行重建。在搜索匹配过程中使用快速近似最近邻搜索库搜索，提高了重建效率。最终利用迭代反投影算法和局部约束进行优化。本发明的方法能够大幅度减少计算的复杂度，同时提高了单幅自相似性重建图像的质量和效率，能够获得较好的视觉效果。
-
公开(公告)号：CN109447906B
公开(公告)日：2023-07-11
申请号：CN201811325648.0
申请日：2018-11-08
Applicant: 北京印刷学院
IPC: G06T3/40 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及一种基于生成对抗网络的图片合成方法，对不同域的图片进行特征提取和融合，生成一副新的图片，包括步骤如下：首先，收集和整理图片样本，并对其分组，各组图片具有相同特征；然后，构建并训练对抗网络，初始化网络参数；接着，选择合适的损失函数和优化方法；之后，将样本传入生成对抗网络开始训练；最后，根据训练结果，适当调整网络参数，以期获得更好的结果。本发明对图像内容进行合成并且产生新的图像，同时简化人工操作，提升工作效率。
-
公开(公告)号：CN109447906A
公开(公告)日：2019-03-08
申请号：CN201811325648.0
申请日：2018-11-08
Applicant: 北京印刷学院
Abstract: 本发明涉及一种基于生成对抗网络的图片合成方法，对不同域的图片进行特征提取和融合，生成一副新的图片，包括步骤如下：首先，收集和整理图片样本，并对其分组，各组图片具有相同特征；然后，构建并训练对抗网络，初始化网络参数；接着，选择合适的损失函数和优化方法；之后，将样本传入生成对抗网络开始训练；最后，根据训练结果，适当调整网络参数，以期获得更好的结果。本发明对图像内容进行合成并且产生新的图像，同时简化人工操作，提升工作效率。
-
公开(公告)号：CN106097253A
公开(公告)日：2016-11-09
申请号：CN201610717073.1
申请日：2016-08-24
Applicant: 北京印刷学院
CPC classification number: G06T3/4053 , G06T3/0056 , G06T3/602
Abstract: 本发明涉及一种基于块旋转和清晰度的单幅图像超分辨率重建方法。为增加训练样本块的多样性，但又不增加计算复杂度，将样本块进行一定角度的旋转，然后引入块清晰度对训练样本进行分类。对于块清晰度较高的纹理、角以及边缘块，利用分类好的对应样本库进行自相似性重建，而清晰度较低的块，则直接使用插值放大进行重建。在搜索匹配过程中使用快速近似最近邻搜索库搜索，提高了重建效率。最终利用迭代反投影算法和局部约束进行优化。本发明的方法能够大幅度减少计算的复杂度，同时提高了单幅自相似性重建图像的质量和效率，能够获得较好的视觉效果。
-
Patent Agency Ranking
公开(公告)号：CN113674154B
公开(公告)日：2023-10-27
申请号：CN202110970721.5
申请日：2021-08-23
Applicant: 北京印刷学院
IPC: G06T3/40 , G06T7/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明涉及一种基于生成对抗网络的单幅图像超分辨率重建方法及系统，其方法包括：S1：获取高分辨率子图像集IBH；S2：利用双三次插值法对IBH进行下采样，得到低分辨率子图像集IBL；S3：将低分辨率子图像集IBL输入到生成网络，通过网络的正向传播得到重建后的图像集IS；S4：将IBH与IS分别送入判别网络中进行正向传播得到其分类概率；S5：对判别网络的参数反向传播，更新判别网络；S6：对生成网络的参数反向传播，更新生成网络；S7：重复步骤S3～S6，直至当生成网络与判别网络达到相对的平衡状态时，得到重建的超分辨率图像。本发明的生成网络方法采用U‑Net网络结构，使得重建的图片更接近于真实图像，并在判别网络引入残差模块，提升抽取深层特征的能力。
-
公开(公告)号：CN108711138B
公开(公告)日：2022-02-11
申请号：CN201810571538.6
申请日：2018-06-06
Applicant: 北京印刷学院
Abstract: 一种基于生成对抗网络的灰度图片彩色化方法，结合DiscoGAN、Progressive Growing GAN、Wasserstein GAN和CGAN生成对抗网络，包括步骤如下：首先要收集和整理图片样本，并将样本分成两组，一组是N张灰度图片，另一组是N张彩色图片。然后，对本生成对抗网络的架构进行设计以期训练后的网络可以生成高分辨率、高质量图片。接着，将样本传入生成对抗网络开始训练，待生成对抗网络训练稳定后，使用PGGAN对生成图像的分辨率进行提升。在本网络中加入WGAN‑PG可以对原生成对抗网络进行改进，解决梯度不稳定和模式崩溃问题，并改善生成对抗网络优化的过程。最后，本网络中加入了CGAN的描述限制功能，它可以根据描述条件生成具有指定风格的图片。
-
公开(公告)号：CN108711138A
公开(公告)日：2018-10-26
申请号：CN201810571538.6
申请日：2018-06-06
Applicant: 北京印刷学院
CPC classification number: G06T3/0012 , G06N3/0454 , G06N3/08
Abstract: 一种基于生成对抗网络的灰度图片彩色化方法，结合DiscoGAN、Progressive Growing GAN、Wasserstein GAN和CGAN生成对抗网络，包括步骤如下：首先要收集和整理图片样本，并将样本分成两组，一组是N张灰度图片，另一组是N张彩色图片。然后，对本生成对抗网络的架构进行设计以期训练后的网络可以生成高分辨率、高质量图片。接着，将样本传入生成对抗网络开始训练，待生成对抗网络训练稳定后，使用PGGAN对生成图像的分辨率进行提升。在本网络中加入WGAN‑PG可以对原生成对抗网络进行改进，解决梯度不稳定和模式崩溃问题，并改善生成对抗网络优化的过程。最后，本网络中加入了CGAN的描述限制功能，它可以根据描述条件生成具有指定风格的图片。
-
公开(公告)号：CN110661816A
公开(公告)日：2020-01-07
申请号：CN201911007278.0
申请日：2019-10-22
Abstract: 本发明实施例提供一种基于区块链的跨域认证方法与电子设备，基于给定跨域认证系统实现，给定跨域认证系统包括主认证机构、从认证机构、用户端及验证方，其中所述方法包括：主认证机构生成公共参数、主密钥和主公钥，并基于主密钥生成并分发从认证机构的从密钥给从认证机构；从认证机构根据从密钥签发证书给用户端，用户端若验证其有效则接受；从认证机构对证书承诺并发送给用户端，用户端若验证其有效则接受；从认证机构对承诺签名并广播到区块链系统，其它从认证机构若验证签名有效则存储；用户端将承诺与验证信息发送给验证方，验证方若验证承诺有效则接受用户的身份信息。本发明实施例能够实现高效的跨域认证并能对从认证机构的严格监管。
-
公开(公告)号：CN113344011B
公开(公告)日：2023-08-08
申请号：CN202110713935.4
申请日：2021-06-25
Applicant: 北京印刷学院
IPC: G06V10/56 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于级联融合特征置信度加权的颜色恒常性方法，为无人驾驶、水下物体识别、三维物体重建等计算机视觉任务提供稳定的颜色特征，步骤为：(1)在自然场景光源下拍摄图像以及视频，制作应用于颜色恒常性方法的数据集；(2)根据光源颜色的特殊性发明基于级联融合特征置信度加权网络结构；(3)使用数据集对网络结构进行二阶段训练；(4)将估计出的场景光源从图像或者视频中移除，实现图像以及视频的颜色恒常性。本发明通过级联方式将图像中浅层边缘纹理特征与深层细粒度深层特征进行融合，充分利用图像中可以为光源估计提供更多信息的特征估计光源，解决了目前颜色恒常性方法在面对复杂环境时光源估计精确度低的问题，提高了颜色恒常性方法的精确性以及面对复杂环境时方法的稳健性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.022 seconds)
