-
公开(公告)号：CN113222954A
公开(公告)日：2021-08-06
申请号：CN202110560094.8
申请日：2021-05-21
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于补丁对齐的全局梯度下的多曝光图像无鬼影融合方法，包括：读取参考图像，基于多源双向相似度的度量算法MBDS度量参考图像与LDR图像的相似度，采用补丁加速方法对齐LDR图像中的运动区域；采用重建算法获得与参考图像对齐后的LDR图像序列；设计像素相对强度权重式和全局梯度权重式；将两种权重式加权平均后得到最终权重式，在拉普拉斯金字塔中输入权重图和LDR图像序列进行图像融合并输出融合图像。该方法有效地解决了动态场景融合下出现的伪影问题，先基于参考图像配准LDR图像节省了融合时间，更具有鲁棒性，之后在拉普拉斯金字塔中融合进行多尺度分解融合，融合效果更好，得到的HDR图像细节信息丰富，视觉效果更好。
-
公开(公告)号：CN116958807A
公开(公告)日：2023-10-27
申请号：CN202310650344.6
申请日：2023-06-03
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/58 , G06V10/82 , G06V10/74 , G06N3/045 , G06N3/0455 , G06N3/0499 , G06N3/088 , G06N3/0895
Abstract: 本发明公开了一种基于无动量对比学习和Transformer网络的高光谱图像目标检测方法，包括：首先基于Transformer的编码器设计了用于高光谱目标检测任务中进行光谱特征提取的编码器与动量编码器。为了在关注光谱长距离依赖关系和自相似性的同时不忽略光谱中的局部细节信息，光谱特征提取编码器与动量编码器通过设计的重叠光谱块特征映射和交互token前馈层来关注光谱的局部细节信息。其次通过无监督动量对比学习的方式进行光谱鉴别能力学习，其中队列与以动量方式缓慢更新的动量编码器被使用来提供数量充足且一致性好的负样本特征，以帮助模型学习到更好地表示。最后，通过指数与归一化操作，幂函数与归一化操作对通过余弦相似性得到的检测结果进行两次非线性拉升以抑制背景。
-
Patent Agency Ranking
公开(公告)号：CN115115933A
公开(公告)日：2022-09-27
申请号：CN202210524826.2
申请日：2022-05-13
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/74 , G06V10/75 , G06V10/762
Abstract: 本发明公开了一种基于自监督对比学习的高光谱图像目标检测方法，包括：首先对待检测的高光谱图像进行奇偶波段采样，然后将得到的奇偶波段高光谱图像用于训练相应的对抗卷积自编码器，将训练好的编码器的特征提取部分作为数据增强函数用于数据增强。正负对通过数据增强构建，主干用于提取增强样本的表示向量。然后使用它们对应的对比头将表示向量分别映射到光谱和聚类对比空间。在对比空间中，通过最大化正对的相似性同时最小化负对的相似性来学习光谱和簇的相似性和相异性，以增加目标和背景的表示向量之间的差异。最后，结合空间信息，使用边缘保持滤波器对利用光谱信息通过余弦相似度得到的检测结果进行处理得到最终的检测结果。
-
公开(公告)号：CN114220008B
公开(公告)日：2024-09-17
申请号：CN202111494041.7
申请日：2021-12-08
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/0985 , G06N3/0464 , G06T5/20 , G06T5/30
Abstract: 本发明公开了一种基于元学习和连体网络的高光谱图像目标检测方法，包括：首先设计了一维深度残差卷积网络用以构建三通道深度残差卷积连体网络。其次，为了使同类像元光谱类内距离小，不同类像元光谱类间距离大，设计了光谱三重态损失函数。通过在设计的三通道深度残差卷积连体网络上使用从已知有标签源域高光谱数据集上构建的任务进行元训练，在欧几里得特征空间中学习光谱之间的相似性与相异性。将学习到的元知识使用先验目标像元光谱通过设计的两通道深度残差卷积连体网络进行更新，以快速适应新的检测任务。其中，连体网络中每个通道的一维深度残差卷积网络的结构与参数都是相同的。最后联合空间信息，使用引导图滤波与形态学闭运算对两通道深度残差卷积连体网络的检测图进行处理，得到最终的检测结果图。
-
公开(公告)号：CN113222954B
公开(公告)日：2024-03-29
申请号：CN202110560094.8
申请日：2021-05-21
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于补丁对齐的全局梯度下的多曝光图像无鬼影融合方法，包括：读取参考图像，基于多源双向相似度的度量算法MBDS度量参考图像与LDR图像的相似度，采用补丁加速方法对齐LDR图像中的运动区域；采用重建算法获得与参考图像对齐后的LDR图像序列；设计像素相对强度权重式和全局梯度权重式；将两种权重式加权平均后得到最终权重式，在拉普拉斯金字塔中输入权重图和LDR图像序列进行图像融合并输出融合图像。该方法有效地解决了动态场景融合下出现的伪影问题，先基于参考图像配准LDR图像节省了融合时间，更具有鲁棒性，之后在拉普拉斯金字塔中融合进行多尺度分解融合，融合效果更好，得到的HDR图像细节信息丰富，视觉效果更好。
-
公开(公告)号：CN115115933B
公开(公告)日：2024-08-09
申请号：CN202210524826.2
申请日：2022-05-13
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/74 , G06V10/75 , G06V10/762
Abstract: 本发明公开了一种基于自监督对比学习的高光谱图像目标检测方法，包括：首先对待检测的高光谱图像进行奇偶波段采样，然后将得到的奇偶波段高光谱图像用于训练相应的对抗卷积自编码器，将训练好的编码器的特征提取部分作为数据增强函数用于数据增强。正负对通过数据增强构建，主干用于提取增强样本的表示向量。然后使用它们对应的对比头将表示向量分别映射到光谱和聚类对比空间。在对比空间中，通过最大化正对的相似性同时最小化负对的相似性来学习光谱和簇的相似性和相异性，以增加目标和背景的表示向量之间的差异。最后，结合空间信息，使用边缘保持滤波器对利用光谱信息通过余弦相似度得到的检测结果进行处理得到最终的检测结果。
-
公开(公告)号：CN114220008A
公开(公告)日：2022-03-22
申请号：CN202111494041.7
申请日：2021-12-08
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/77 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T5/20 , G06T5/30
Abstract: 本发明公开了一种基于元学习和连体网络的高光谱图像目标检测方法，包括：首先设计了一维深度残差卷积网络用以构建三通道深度残差卷积连体网络。其次，为了使同类像元光谱类内距离小，不同类像元光谱类间距离大，设计了光谱三重态损失函数。通过在设计的三通道深度残差卷积连体网络上使用从已知有标签源域高光谱数据集上构建的任务进行元训练，在欧几里得特征空间中学习光谱之间的相似性与相异性。将学习到的元知识使用先验目标像元光谱通过设计的两通道深度残差卷积连体网络进行更新，以快速适应新的检测任务。其中，连体网络中每个通道的一维深度残差卷积网络的结构与参数都是相同的。最后联合空间信息，使用引导图滤波与形态学闭运算对两通道深度残差卷积连体网络的检测图进行处理，得到最终的检测结果图。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
