-
公开(公告)号：CN114529470B
公开(公告)日：2024-09-20
申请号：CN202210156295.6
申请日：2022-02-21
Applicant: 南通大学
IPC: G06T5/73 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于端到端神经网络的单幅图像去雨方法，包括如下步骤：S1、构建神经网络模型；S2、设计损失函数；S3、利用有雨图像和无雨图像对进行神经网络模型的训练，得到神经网络模型的模型参数；S4、在神经网络模型中导入步骤S3训练好的模型参数，输入有雨图像，在损失函数中加入基于对比感知的正则化约束项，输出无雨图像。本发明提出了一种基于端到端神经网络的单幅图像去雨方法，设计了一种融合图卷积网络和注意力卷积网络的基本模块，用于提取图像的全局和局部特征，并在损失函数中加入了基于对比感知的正则化约束项，取得了较好的去雨效果。
-
公开(公告)号：CN112884784B
公开(公告)日：2024-06-04
申请号：CN202110267138.8
申请日：2021-03-11
Applicant: 南通大学
IPC: G06T7/11 , G06T7/136 , G06T7/194 , G06T7/13 , G06T7/168 , G06T7/62 , G06T7/66 , G06T7/73 , G06T1/00
Abstract: 本发明提供一种基于图像的镜片检测与正反面判断方法，包括如下步骤：S1、摄像头采集的托盘上镜片分布的图片作为输入图像，将输入图像进行灰度化处理，进行背景建模，计算背景模型的像素均值t，并以此为图像分割阈值；S2、将输入图像灰度化处理后，进行高斯滤波，采用霍夫变换定位图像中圆形物体，确定图像中镜片的圆心和半径；S3、根据镜片图像中的角点数量判断镜片的正反面。本发明首先针对输入图像，对背景图像进行建模，得到二值分割阈值，然后对图片进行二值图像分割，并采用霍夫变换定位到图片中光学镜片的位置，最后根据镜片图像中的角点数量来判别该光学镜片的正反面，得到托盘中镜片的位置和正反面信息，降低人工成本，提高包装效率。
-
公开(公告)号：CN116957974A
公开(公告)日：2023-10-27
申请号：CN202310923594.2
申请日：2023-07-26
Applicant: 南通大学
IPC: G06T5/00 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于混合网络的图像去雨方法及设备；本发明方法包含：步骤1、构建自注意力模块；步骤2、构建基于自注意力的transformer模块；步骤3、构建可逆神经网络模块；步骤4、构建基于transformer模块和可逆神经网络模块的混合网络模块；步骤5、构建端到端的神经网络；将数据集输入步骤5中的端到端神经网络进行训练；完成训练后将真实待去雨图像输入训练好的模型，得到去雨图像。本发明基于自注意力的transformer网络结构和可逆神经网络结构，能够兼顾全局特征和局部细节，从而达到较好的去雨效果。
-
公开(公告)号：CN115953305A
公开(公告)日：2023-04-11
申请号：CN202211223828.4
申请日：2022-10-09
Applicant: 南通大学
IPC: G06T5/00 , G06N3/0464 , G06F3/048 , G06N3/08
Abstract: 本发明提供一种基于离散余弦变化的频域注意力机制的图像去雾方法，包括以下步骤：S1、构建基于频域的注意力模块；S2、构建基础网络模块；S3、构建去雾网络模型；S4、设计损失函数；S5、利用有雾图像和无雾图像对去雾网络模型进行训练，得到去雾网络模型的模型参数；S6、在去雾网络模型中导入步骤S3训练好的模型参数，输入有雾图像，输出得到无雾图像。设计了一种融入离散余弦变化(DCT)和多层感知机(MLP)的基本网络模块，使得在频域对图像进行建模，获得了更好的图像细节信息。
-
公开(公告)号：CN113269685A
公开(公告)日：2021-08-17
申请号：CN202110516155.0
申请日：2021-05-12
Applicant: 南通大学
Abstract: 本发明提供一种融合多注意力机制的图像去雾方法，首先构建端到端的图像去雾网络模型，网络模型由一个浅层特征提取卷积层、由多注意力融合模块叠加构成的子网络、特征重构部分和全局残差学习结构构成。然后利用有雾与清晰图像对构成的样本库训练该模型得到参数。应用时，网络模型加载训练好的参数后，输入待去雾图像，即可输出清晰的图像。本发明设计了一种融合了空间注意力、通道注意力和像素注意力机制的多注意力融合模块，通过叠加该模块和残差连接构建了基于端到端的图像去雾网络，取得了较好的去雾效果。
-
Patent Agency Ranking
公开(公告)号：CN112884680A
公开(公告)日：2021-06-01
申请号：CN202110326940.X
申请日：2021-03-26
Applicant: 南通大学
Abstract: 本发明提供了一种利用端到端神经网络的单幅图像去雾方法，包括如下步骤：构建网格注意力网络模型：输入为待去雾图像，待去雾图像被送入一个浅层特征提取卷积层，然后被送入GridNet模块和Attention模块，最后将特征传递给重构部分和全局残差学习结构，输出清晰的图像。本发明结合网格网络和注意力机制，在传统的多尺度网络或编解码网络中，由于层次结构的原因，信息流往往会受到瓶颈效应的影响，而网格网络通过使用上采样和下采样块，可以通过跨不同尺度的密集连接来规避这一问题。此外，赋予网络一个通道和像素的注意机制，它可以提供额外的灵活性，以处理不同类型的信息，注意机制也使网络扩展了CNNs的表征能力。
-
公开(公告)号：CN113063791A
公开(公告)日：2021-07-02
申请号：CN202110308180.X
申请日：2021-03-23
Applicant: 南通大学
IPC: G01N21/88
Abstract: 本发明提供一种基于图像处理的布匹缺陷识别方法，包括设于印染平台上方的工业相机，工业相机实时摄取印染结果图片；布匹缺陷识别方法包括如下步骤：S1、初始化，读取第一张印染结果图片f0，由人工确认该印染结果图片是否符合要求，如符合则执行步骤S2，不符合则调整印染机继续执行步骤S1；S2、读取t时刻图片ft，将ft与ft‑1进行比较，得到两者差值dt；S3、根据步骤S2中的gt与gt‑1判断布匹是否存在移位，如存在则产生报警指令，否则执行步骤S4；S4、根据步骤S2中的dt判断是否存在错印或者漏印，如存在则产生报警指令，否则继续执行步骤S2。本发明通过工业相机实时监测印染效果，当印染出现问题时，能够及时通知工人进行处理，提高了产线的智能化和自动化程度。
-
公开(公告)号：CN112884784A
公开(公告)日：2021-06-01
申请号：CN202110267138.8
申请日：2021-03-11
Applicant: 南通大学
IPC: G06T7/11 , G06T7/136 , G06T7/194 , G06T7/13 , G06T7/168 , G06T7/62 , G06T7/66 , G06T7/73 , G06T1/00
Abstract: 本发明提供一种基于图像的镜片检测与正反面判断方法，包括如下步骤：S1、摄像头采集的托盘上镜片分布的图片作为输入图像，将输入图像进行灰度化处理，进行背景建模，计算背景模型的像素均值t，并以此为图像分割阈值；S2、将输入图像灰度化处理后，进行高斯滤波，采用霍夫变换定位图像中圆形物体，确定图像中镜片的圆心和半径；S3、根据镜片图像中的角点数量判断镜片的正反面。本发明首先针对输入图像，对背景图像进行建模，得到二值分割阈值，然后对图片进行二值图像分割，并采用霍夫变换定位到图片中光学镜片的位置，最后根据镜片图像中的角点数量来判别该光学镜片的正反面，得到托盘中镜片的位置和正反面信息，降低人工成本，提高包装效率。
-
公开(公告)号：CN116934612A
公开(公告)日：2023-10-24
申请号：CN202310584388.3
申请日：2023-05-23
Applicant: 南通大学
IPC: G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明提供一种基于多层级熵模块的单幅图像去雨方法，包括以下步骤：S1、构建去雨网络模型：由预处理模块、若干个多层级熵模块和图像重构模块组成；S2、设计损失函数，利用损失函数对去雨网络模型进行约束；S3、利用公开数据对步骤S1的去雨网络模型进行训练，得到去雨网络模型的模型参数；S4、在网络模型中导入步骤S3训练好的模型参数，输入有雨图像，输出得到去雨图像。本发明将有雨的图像恢复得到的干净图像这一过程作为一个熵增的过程，通过对前后特征的建模去除增加的图像熵信息，使得注意力建模过程不仅仅依赖于当前特征，从而提高单幅图像去雨的效果。
-
公开(公告)号：CN114820371A
公开(公告)日：2022-07-29
申请号：CN202210453823.4
申请日：2022-04-27
Applicant: 南通大学
Abstract: 本发明属于图像处理技术领域，提供一种基于注意力模型的单幅图像去雨方法，包括以下步骤：S1、构建神经网络模型；S2、设计损失函数；S3、利用公开数据进行对神经网络模型的训练，得到神经网络模型的模型参数；S4、在神经网络模型中导入步骤S3训练好的模型参数，输入有雨图像，输出得到去雨图像。本发明要解决的技术问题是提供一种基于注意力模型的单幅图像去雨方法，设计了一种即插即用的通道‑空间注意力模块，通道注意力模块忽略了空间信息，而空间注意力模块又忽略了通道信息，结合两者优点将其应用在去雨网络中，取得了较好的效果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.015 seconds)
