公开(公告)号：CN117274047A

公开(公告)日：2023-12-22

申请号：CN202310946812.4

申请日：2023-07-31

Applicant: 杭州电子科技大学

Inventor： 秦飞巍 ,  沈正炜 ,  葛瑞泉 ,  王昌淼

IPC: G06T3/40 ,  G06V10/774 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种双路卷积与自注意力结合的红外图像超分辨率重建方法，包括如下步骤：1、对获得的开源红外图像数据集进行训练数据和测试数据的划分，并对数据进行预处理；2、构建融合特征的网络模型，所述融合特征网络模型包括浅层特征提取网络、深层特征提取网络和图像重建提取网络3、基于构建好的红外图像训练数据集，对融合特征的网络模型进行训练；4、将构建好的红外图像测试数据集作为输入，通过训练好的融合特征网络模型进行红外图像超分辨率重建。本发明结合CNN和自注意力，利用不同大小的感受野，对图像的局部特征和全局特征进行建模，并加入双向信息交互模块，增强了通道维度和空间维度的建模能力，得以更好地恢复重建图像的细节。

公开(公告)号：CN118229572A

公开(公告)日：2024-06-21

申请号：CN202410416198.5

申请日：2024-04-08

Applicant: 杭州电子科技大学

Inventor： 秦飞巍 ,  沈正炜 ,  王昌淼 ,  张凯 ,  葛瑞泉 ,  彭勇

IPC: G06T5/70 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0455 ,  G06V10/80 ,  G06V10/10 ,  G06V10/77

Abstract: 本发明公开了一种基于卷积转置自注意力的红外图像去噪方法。首先通过成对的干净图像和带噪图像构建数据集；构建基于卷积转置自注意力的网络模型，网络模型采用对称的编码器‑解码器结构；基于构建好的红外图像训练数据集，对基于卷积转置自注意力的网络模型进行训练；最后采用测试数据集数据对训练好的网络模型进行测试。本发明引入了在红外图像去噪领域中尚未深入研究的自注意力机制对红外图像全局依赖关系进行建模，并在其基础上进行改进设计了卷积转置自注意力，在减少计算量的同时依然可以充分提取红外图像的空间特征信息，有效提高红外图像的去噪质量，填补了红外图像去噪的研究空缺。