公开(公告)号：CN118822900A

公开(公告)日：2024-10-22

申请号：CN202410831268.3

申请日：2024-06-26

Applicant: 北京工业大学

Inventor： 张宁 ,  禹晶 ,  李林志 ,  肖创柏

IPC: G06T5/73 ,  G06T5/60 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/0985

Abstract: 本发明公开了一种基于深度先验的自监督多尺度盲图像去模糊方法，利用网络结构隐式建模图像先验，仅将模糊图像作为监督信号训练多尺度去模糊网络，同时估计多尺度清晰图像和模糊核。上述方法的具体做法：将盲去模糊问题分解为模糊核估计子问题和图像估计子问题，以网络和数学模型的方式交替求解直至收敛；利用多输入多输出图像生成网络生成多尺度清晰图像；求解模糊核正则化约束模型的精确解，在各尺度下估计模糊核。本发明方法无需成对的清晰/模糊图像数据集；将最优化模型的自适应性与深度网络的学习能力相结合，无需考虑复杂图像先验设计；通过多尺度联合去模糊的方式，有效解决大尺寸模糊核的估计问题，避免了由粗到细地迭代带来的时间开销。

公开(公告)号：CN114202459B

公开(公告)日：2024-03-22

申请号：CN202111244295.3

申请日：2021-10-26

Applicant: 北京工业大学

Inventor： 李一秾 ,  禹晶 ,  肖创柏

IPC: G06T3/4053 ,  G06T5/70 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/0895

Abstract: 本发明公开了一种基于深度先验的盲图像超分辨率方法，使用深度卷积神经网络DIP‑Net并结合非局部注意力估计高分辨率图像；通过求解关于模糊核最优化问题的精确解估计模糊核；交替迭代更新模糊核与高分辨率图像，利用估计模糊核生成低分辨率图像的降采样图像，结合低分辨率图像利用损失更新网络参数。对模糊核和高分辨率图像联合建模，采用网络模型与数学模型结合的方式同时估计模糊核与高分辨率图像；结合非局部注意力模块显式地利用图像的自相似性，为重建图像提供潜在的附加信息；仅利用单幅低分辨率图像作为监督信号实现了端到端的盲图像超分辨率重建，无需数据集的训练过程。本发明能够准确地估计模糊核，有效重建高分辨率图像的边缘与细节。

公开(公告)号：CN117496518A

公开(公告)日：2024-02-02

申请号：CN202311683618.8

申请日：2023-12-10

Applicant: 北京工业大学

Inventor： 王敬逾 ,  禹晶 ,  肖创柏

IPC: G06V30/146 ,  G06V30/412 ,  G06V30/164 ,  G06V30/18 ,  G06V30/19 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于文本检测和表格检测的电子卷宗图像智能矫正方法，首先对图像进行预处理，消除对边界线检测的影响。然后利用文本检测算法构建文本检测模型，计算图像中文本区域文本的边界线范围；利用目标检测算法构建表格检测模型，计算图像中表格区域表格的边界线范围；利用轻量级深度学习神经网络框架构建大角度识别模型，识别电子卷宗图像的大范围倾斜角度。根据拟合后的边界线得到文本区域的倾斜角度，根据拟合后的边界线得到表格区域的倾斜角度，对文本图像和表格图像采用不同的矫正方式。最后对图像进行后处理。本方法通过深度学习的方式训练得到的模型能达到更好的矫正效果，有效减少因人为操作不当导致的矫正效果不理想等问题。

公开(公告)号：CN111353463B

公开(公告)日：2023-07-25

申请号：CN202010169109.3

申请日：2020-03-12

Applicant: 北京工业大学

Inventor： 高正 ,  同磊 ,  邓米克 ,  禹晶 ,  肖创柏

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了基于随机深度残差网络的高光谱图像分类方法，本发明实现步骤如下：步骤一、首先对数据进行预处理。步骤二、模型构建，主要由两部分组成，光谱特征提取与空间信息特征提取。步骤三、模型训练。步骤四、高光谱图像分类。将数据输入网络，进行类别的预测，得到分类的高光谱图像。步骤五、输出分类图像；本发明充分利用了高光谱图像的空谱特征和光谱特征，提高了分类精度，并且在残差网络的基础上应用了随机深度，相较于传统的残差网络极大的缩减了训练时间与测试时间。

公开(公告)号：CN110675347B

公开(公告)日：2022-05-06

申请号：CN201910938167.5

申请日：2019-09-30

Applicant: 北京工业大学

Inventor： 禹晶 ,  彭天奇 ,  董醒儒 ,  肖创柏

IPC: G06T5/00 ,  G06T5/10 ,  G06T7/13

Abstract: 本发明公开了一种基于组稀疏表示的图像盲复原方法，以实现模糊图像的盲复原。上述方法包括：构建图像金字塔，由粗到细估计模糊核；在降采样图像中搜索相似图像块，将当前块与其跨尺度相似块合并为相似图像块组，在目标函数中建立组稀疏表示正则项；交替迭代更新模糊核和清晰图像，在清晰图像更新步骤中，利用组稀疏表示对前一次迭代中估计的清晰图像进行重建，作为下一次更新清晰图像的参考图像。由于降采样图像的边缘与清晰图像有更强的相似性，利用组稀疏表示与低秩矩阵的关联，通过约束表示系数的稀疏性来实现组矩阵的低秩性，迫使重建图像的边缘接近清晰图像的边缘。本发明公开的方法提高了对噪声的鲁棒性，并能够处理大尺度的模糊核估计。

公开(公告)号：CN110298396B

公开(公告)日：2022-02-08

申请号：CN201910552768.2

申请日：2019-06-25

Applicant: 北京工业大学

Inventor： 杨攀 ,  同磊 ,  禹晶 ,  肖创柏

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于深度学习多特征融合的高光谱图像分类方法，属于高光谱图像分类领域，本方法充分利用高光谱图像的光谱和空间信息，在分类效果上提升性能。实现步骤如下：首先对高光谱图像数据进行预处理，提取训练标签和测试标签；构建模型；做好数据预处理之后，进行构建训练模型。训练模型由三大部分组成，分别为光谱样本集训练模型、空间谱样本集训练模型以及EMP特征提取的样本集训练模型。另外，特征融合之后输入的全连接层。训练网络；高光谱图像分类输出分类图像本发明克服了传统的高光谱图像分类方法只利用高光谱图像的光谱信息，采用光谱信息、空间信息以及扩展形态特征处理相融合的方法，极大的提高了分类的准确率。

公开(公告)号：CN109597893A

公开(公告)日：2019-04-09

申请号：CN201910055049.X

申请日：2019-01-21

Applicant: 北京工业大学

Inventor： 陈迪阳 ,  肖创柏 ,  禹晶

IPC: G06F16/35 ,  G06F16/31 ,  G06F16/33

Abstract: 本发明公开了基于搜索引擎的主题分类方法，本发明利用搜索引擎的搜索查询语句定义相关分类主题，然后将搜索返回来的文本划分于该分类下。而人为定义分类主题目的在于，可以把人的经验知识通过搜索引擎的查询语句给描绘捕获保存下来，因为主题是查询语句，有很好的复用性，易修改性。而后利用这些定义好的主题查询语句，就可用于搜索，搜索后的结果即可用于分类。本发明的搜索引擎的知识只需要了解相关的搜索语法与基本的流程即可。对于没有深度学习知识的专门人员来做分类的公司来说，使用本方法相当便捷。同时不需要事先准备大量数据，实现的过程也很迅速，对于新增的文本数据或者新增的分类有着更加方便的操作，不需要进行额外过多的调整。

公开(公告)号：CN105676290B

公开(公告)日：2017-10-13

申请号：CN201610204785.3

申请日：2016-04-03

Applicant: 北京工业大学

Inventor： 何震震 ,  肖创柏 ,  禹晶

IPC: G01V1/34

Abstract: 本发明属于计算机图形学和数据可视化领域，涉及一种基于曲面细分的地震数据三维显示方法。本发明使用Directx11编程工具，基于三阶贝塞尔曲面细分算法，实现了地震数据的三维显示方法。对于准备好的顶点缓存，设置GPU以面片的方式组装控制点，因此不需要索引缓存，从而省去了因确定索引缓冲而产生的槽和脊的问题。此外，基于GPU编程的曲面细分技术的运用，生成了更多的控制点，使得网格的显示更加细腻平滑并具有很好的实时性。

公开(公告)号：CN105096385A

公开(公告)日：2015-11-25

申请号：CN201510429027.7

申请日：2015-07-20

Applicant: 北京工业大学

Inventor： 陈雷 ,  禹晶 ,  肖创柏

IPC: G06T17/05 ,  G06T15/04

Abstract: 一种二维地震剖面三维显示方法，从磁盘中读取地震剖面数据并将其转换为系统使用的编码格式；顶点输入布局创建包括地震数据顶点输入布局创建和渲染到纹理顶点输入布局创建；调色板纹理创建与采样；倾斜方式纹理创建即渲染到纹理时的渲染目标；地震数据纹理创建，用于存储地震数据；效果文件创建，包括渲染到纹理效果文件创建和渲染输出效果文件创建；渲染到纹理，将数值化的地震样点倾斜方式渲染到纹理并创建网格；创建地震数据网格并渲染输出。本发明将地震数据以浮点纹理的方式传送到GPU，实现了地震数据顶点的准确着色以及顶点之间像素的准确插值，以指数渐进方式创建调色板，提高了地震剖面显示的对比度，实现了二维地震剖面的三维显示。

公开(公告)号：CN104318528A

公开(公告)日：2015-01-28

申请号：CN201410562140.8

申请日：2014-10-21

Applicant: 北京工业大学

Inventor： 赵宏宇 ,  肖创柏 ,  禹晶 ,  段娟

IPC: G06T5/00

Abstract: 本发明属于图像处理领域，涉及基于多尺度WLS滤波的雾天图像恢复方法。所述方法包括：根据暗通道先验原理估计大气光照强度A；结合得到的大气光照强度A的值，对图像I进行白平衡，并简化大气散射模型；根据雾天环境的物理属性，对大气耗散函数V进行粗估计，得到；采用多尺度WLS滤波对大气耗散函数进行细估计，得到Vi；结合获得的多尺度大气耗散函数Vi，根据简化大气散射模型恢复雾天图像为理想天气下的图像Ri；结合获得的多尺度恢复图像Ri，采用色调映射算法调整图像动态范围，进行可视度的提升，得到最终结果R。本发明能够有效提高雾天图像的对比度与清晰度，具有计算复杂度较低、执行效率较强等优点。