一种退化参数辅助的空间自适应多帧图像复原方法

    公开(公告)号:CN119048372A

    公开(公告)日:2024-11-29

    申请号:CN202410892263.1

    申请日:2024-07-04

    Inventor: 白相志 江行舶

    Abstract: 本发明提出一种退化参数辅助的空间自适应多帧图像复原方法,步骤为:步骤一:由退化参数矩阵预测网络生成图像序列对应的退化参数矩阵;退化参数预测网络接收退化图像序列,并输出其对应的退化参数矩阵;步骤二:使用退化参数辅助的多帧图像复原网络DPIRN得到复原图像;实现高质量的空间自适应图像复原;步骤三:构造损失函数,展开双阶段的训练;首先使用L1范数作为损失函数对退化参数预测网络进行训练,用于衡量预测的退化参数矩阵与参数标签之间的误差;其次,使用由平滑L1损失和感知损失组成的联合损失函数对图像复原网络进行端到端训练,其中平滑L1损失和感知损失分别用于衡量复原图像与参考图像在低频和高频细节上的相似度。

    采用生成对抗网络的岩石显微图像超分辨率重建方法

    公开(公告)号:CN115063293B

    公开(公告)日:2024-05-31

    申请号:CN202210606345.6

    申请日:2022-05-31

    Abstract: 本发明提出一种采用生成对抗网络的岩石显微图像超分辨率重建方法,具体步骤如下:步骤一:输入数据生成;分辨率提升分支的输入为三通道原始图像;聚焦平衡分支输入为聚焦注意力图;聚焦注意力图由原始图经过模糊核过滤与导向滤波两步骤计算获得;步骤二:双分支前向传播网络搭建;两分支中间结果通过双向有偏融合模块BBFM连接;模块基于MS‑CAM模块,充分考虑全局与局部信息,通过乘法、加法与拼接的灵活组合,辅以可训练的权重,实现双向有偏调控;步骤三:损失函数反向训练;在前向传播后计算生成对抗损失函数、均方误差损失函数、感知损失函数与聚焦约束损失函数,并通过随机梯度下降法进行反向传播,训练网络。

    一种可解释的热红外可见光图像配准方法及系统

    公开(公告)号:CN114820733B

    公开(公告)日:2024-05-31

    申请号:CN202210420876.6

    申请日:2022-04-21

    Inventor: 白相志 汪虹宇

    Abstract: 本发明公开一种可解释的热红外可见光图像配准方法及系统,基本步骤如下:1)利用神经网络模仿传统配准算法提取描述子,匹配,估计变换参数,变换图像的过程;2)采用先进行全局变换,再进行局部变换由粗到精的配准策略;3)构造损失函数对网络训练;4)使用训练好的网络处理不同内外参数下的热红外图像‑可见光图像配准问题。本发明提出的可解释的配准深度神经网络ERDNN(Explainable Registration Deep Neural Network)能够实现非光心重合的热红外相机与可见光相机的像素级配准。训练出的描述子子网络可以作为一般的描述子提取器提取热红外‑可见光跨模态描述子。在计算机视觉、自动驾驶、监控安防等领域有广阔的使用价值和应用前景。

    一种基于双向循环卷积生成对抗网络的视频模糊去除方法

    公开(公告)号:CN112801900B

    公开(公告)日:2023-05-12

    申请号:CN202110082946.7

    申请日:2021-01-21

    Inventor: 白相志 王亚东

    Abstract: 本发明公开一种基于双向循环卷积生成对抗网络的视频模糊去除方法:步骤一:利用清晰视频生成网络产生高质量去除模糊的复原视频;步骤二:利用判别网络对复原视频和参考清晰视频进行分类判别;步骤三:构造损失函数对清晰视频生成网络和判别网络两个网络进行训练;输出:用训练好的清晰视频生成网络处理模糊视频。本发明方法以生成对抗网络为基本框架,通过两路沿不同方向传递信息的循环神经网络序列,利用蕴含在其中的时序关系;引入融合重建模块重建当前帧,利用全局残差连接提高网络表达能力和收敛速度;利用内容损失和对抗损失对网络进行训练。本发明可与各类图像和视频应用系统结合,帮助提升所拍摄视频的质量,有广阔市场前景与应用价值。

    一种基于贝叶斯优化的固态激光雷达与相机自标定方法

    公开(公告)号:CN115032614A

    公开(公告)日:2022-09-09

    申请号:CN202210544695.4

    申请日:2022-05-19

    Inventor: 白相志 汪虹宇

    Abstract: 本发明公开一种基于贝叶斯优化的固态激光雷达与相机自动标定方法。基本步骤如下:1)根据固态激光雷达特性设计算子提取几何连续边缘和强度突变边缘;2)使用Canny算子提取图像边缘;3)根据投影关系将点云边缘投影至图像上,考虑边缘距离和朝向构造优化目标函数,并使用贝叶斯优化算法进行优化。本发明提出的基于贝叶斯优化的固态激光雷达与相机自动标定算法能够实现在没有标定靶标的情况下,仅利用一帧静态场景图像和点云估计激光雷达相对相机的外参,而且相对传统基于优化的自标定算法具有速度快、鲁棒性高的特点。在计算机视觉、自动驾驶、机器人、三维重建等领域有广阔的使用价值和应用前景。

    一种基于级联神经网络结构的脑胶质瘤分割方法

    公开(公告)号:CN114170244A

    公开(公告)日:2022-03-11

    申请号:CN202111404516.9

    申请日:2021-11-24

    Inventor: 白相志 王元元

    Abstract: 本发明提出一种基于级联神经网络结构的脑胶质瘤分割方法,该方法包括:步骤一:利用级联神经网络结构的脑胶质瘤分割网络产生高精度的肿瘤区域分割结果;步骤二:针对多尺度残差特征以及全局特征,一方面利用分割及边缘检测网络生成整个肿瘤分割结果及其边缘检测结果;另一方面设计级联网络在初步整个肿瘤分割结果下生成肿瘤核心区域和肿瘤增强区域分割结果;步骤三:构造损失函数对精准脑部神经肿瘤分割网络进行训练;输出:用训练好的级联神经网络结构的脑胶质瘤分割网络对原始多模态图像进行肿瘤区域分割。本发明可以与各类基于医学图像的应用系统相结合,帮助提升多种模态影像的分割质量,具有广阔市场前景与应用价值。

    一种基于深度学习的MRI全脑组织分割方法及系统

    公开(公告)号:CN111563903B

    公开(公告)日:2021-05-28

    申请号:CN202010337402.6

    申请日:2020-04-26

    Abstract: 本发明公开一种基于深度学习的MRI全脑组织分割系统,包括:图像数据预处理模块,用于对MR脑图像进行预处理;图像分块模块,用于将经过预处理后的图像分块;多先验特征网络模型构建模块,用于基于对称先验、边缘先验和邻域先验特征信息构建多先验特征网络模型;训练模块,用于利用训练集对多先验特征网络模型进行训练;标签融合模块,用于确定MR脑图像中每个像素的最终分割结果;逆仿射变换模块,用于在确定MR脑图像中每个像素的最终分割结果之后,完成MR脑图像从MNI空间到原始图像空间的变换操作。本发明通过引入多种先验特征,使得分割结果更加精准、脑组织间边缘更加清晰以及细节更加丰富。

    一种多曲面估计区间二型模糊聚类磁共振脑图像分割方法

    公开(公告)号:CN109300137B

    公开(公告)日:2021-05-07

    申请号:CN201811097786.8

    申请日:2018-09-20

    Inventor: 白相志 刘子超

    Abstract: 本发明一种多曲面估计区间二型模糊聚类磁共振脑图像分割方法,该方法首先使用多个基曲面乘以权重以拟合偏移场曲面,并作为乘子项引入目标函数,通过迭代求解使得拟合的偏移场曲面逐渐接近真实偏移场;然后,将方法提升到区间二型模糊领域,使得方法能够更好地处理迭代过程中的模糊分界问题,提升方法处理模糊问题的能力;进而考虑邻域空间像素信息,并加入到目标函数中,增加邻域空间信息。本发明方法提升了处理模糊问题的能力,合理地利用了邻域信息,在磁共振图像上得到的偏移场校正与分割结果取得了明显改善,具有广阔的市场前景与应用价值。

    基于轮廓信息的热红外语义分割无监督领域自适应方法

    公开(公告)号:CN112465836A

    公开(公告)日:2021-03-09

    申请号:CN202011426430.1

    申请日:2020-12-09

    Inventor: 白相志 刘子超

    Abstract: 本发明公开一种基于轮廓信息的热红外语义分割无监督领域自适应方法:一、利用可见光带标注语义分割数据集训练语义分割模型以获得像素级语义分割的能力;二、利用可见光领域训练的语义轮廓模型提取热红外图像语义轮廓,通过轮廓构建起可见光图像语义与热红外图像语义的桥梁;三、对各个类别进行显著性检测,融合各类别显著性检测结果,并利用形态学操作与全连接条件随机场得到语义分割伪标签;四、利用热红外图像语义分割伪标签数据集对第一部分的语义分割模型进行再训练。本发明利用易于获取易于标注可见光图像语义分割数据与无标注的热红外图像数据,获得对热红外图像进行语义分割的模型,能被广泛应用于智能驾驶、安保安防等领域中。

Patent Agency Ranking