-
公开(公告)号：CN118967450B
公开(公告)日：2025-05-06
申请号：CN202411452810.0
申请日：2024-10-17
Applicant: 北京理工大学 , 杭州电子科技大学丽水研究院 , 杭州电子科技大学
IPC: G06T3/4053 , G06T5/50
Abstract: 本发明涉及一种基于结构信息的不对齐多源数据的光谱图像融合超分方法及系统，属于计算摄像技术领域。本发明首先使用梯度计算对输入的高光谱和多光谱图像提取梯度图，再使用纹理编码器和结构编码器分别对图像和梯度图进行编码，获取纹理特征金字塔和结构特征金字塔，然后使用结构注意力引导的特征融合对齐模块在各个层级进行特征融合获得对齐特征，最后使用解码器网络对对齐特征进行解码，生成高分辨率高光谱图像。本发明使特征对齐效果更加鲁棒，使超分辨率效果更好，在真实数据集和仿真数据集的各个倍率的超分任务中均取得很好的结果，在高倍率超分任务中具有优势，易于推广。
-
公开(公告)号：CN117793538B
公开(公告)日：2024-06-25
申请号：CN202410200816.2
申请日：2024-02-23
Applicant: 北京理工大学 , 杭州电子科技大学丽水研究院 , 杭州电子科技大学
Abstract: 本申请提出了一种图像自动曝光矫正与增强方法及装置，该方法包括：根据正常曝光Raw图像数据中的线性关系，构造有监督的异常曝光图像数据集；构建全局亮度调整网络与频率增强重建网络，将异常曝光图像数据集输入全局亮度调整网络，得到亮度矫正图像，将亮度矫正图像输入频率增强重建网络，得到矫正增强图像；基于矫正增强图像与正常曝光Raw图像数据，计算损失值，并基于损失值对其网络模型参数进行优化，得到优化模型；将其他图像输入优化模型得到优化图像，根据图像质量评价指标评价优化图像，得到客观评估指标。基于本申请提出的方案，能够对原始Raw图像数据达到自动曝光矫正与增强的效果，从而应对复杂环境下成像质量低的问题。
-
公开(公告)号：CN117793538A
公开(公告)日：2024-03-29
申请号：CN202410200816.2
申请日：2024-02-23
Applicant: 北京理工大学 , 杭州电子科技大学丽水研究院 , 杭州电子科技大学
Abstract: 本申请提出了一种图像自动曝光矫正与增强方法及装置，该方法包括：根据正常曝光Raw图像数据中的线性关系，构造有监督的异常曝光图像数据集；构建全局亮度调整网络与频率增强重建网络，将异常曝光图像数据集输入全局亮度调整网络，得到亮度矫正图像，将亮度矫正图像输入频率增强重建网络，得到矫正增强图像；基于矫正增强图像与正常曝光Raw图像数据，计算损失值，并基于损失值对其网络模型参数进行优化，得到优化模型；将其他图像输入优化模型得到优化图像，根据图像质量评价指标评价优化图像，得到客观评估指标。基于本申请提出的方案，能够对原始Raw图像数据达到自动曝光矫正与增强的效果，从而应对复杂环境下成像质量低的问题。
-
公开(公告)号：CN118967450A
公开(公告)日：2024-11-15
申请号：CN202411452810.0
申请日：2024-10-17
Applicant: 北京理工大学 , 杭州电子科技大学丽水研究院 , 杭州电子科技大学
IPC: G06T3/4053 , G06T5/50
Abstract: 本发明涉及一种基于结构信息的不对齐多源数据的光谱图像融合超分方法及系统，属于计算摄像技术领域。本发明首先使用梯度计算对输入的高光谱和多光谱图像提取梯度图，再使用纹理编码器和结构编码器分别对图像和梯度图进行编码，获取纹理特征金字塔和结构特征金字塔，然后使用结构注意力引导的特征融合对齐模块在各个层级进行特征融合获得对齐特征，最后使用解码器网络对对齐特征进行解码，生成高分辨率高光谱图像。本发明使特征对齐效果更加鲁棒，使超分辨率效果更好，在真实数据集和仿真数据集的各个倍率的超分任务中均取得很好的结果，在高倍率超分任务中具有优势，易于推广。
-
公开(公告)号：CN114972364B
公开(公告)日：2025-04-25
申请号：CN202210550464.4
申请日：2022-05-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的结直肠息肉图像分割方法。首先获取结直肠息肉分割数据集；进行数据预处理；再构建基于深度学习的结直肠息肉图像分割模型；通过训练集对构建好的基于深度学习的结直肠息肉图像分割模型训练，对每一级预测结果使用结构损失函数进行监督学习，并且将最后一级的预测结果作为最终的预测结果；本发明基于深度学习来构建结直肠息肉图像分割模型，对结直肠息肉分割图像的特征进行精确提取并且细节保留完整，利用显著性目标检测中效果较好的结构损失函数对结果进行监督学习，使得预测结果更加准确，具有较强的鲁棒性，从而实现对结直肠息肉图像的精确分割。
-
Patent Agency Ranking
公开(公告)号：CN119762351A
公开(公告)日：2025-04-04
申请号：CN202510265590.9
申请日：2025-03-07
Applicant: 杭州电子科技大学丽水研究院
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于退化预测的真实图像超分变率方法。首先进行数据集获取及预处理；通过退化预测网络从低分辨率图像中提取退化特征信息；将得到的退化特征信息与低分辨率图像送入重建网络进行增强，生成最终的高分辨率图像。本发明通过使用一种退化感知的重建模块，并将其嵌入到Transformer架构中，能够利用学习到的退化信息并通过自注意机制更好地挖掘高层语义信息并恢复纹理细节；能够从LR图像中预测其退化特征，处理真实退化的低分辨率图像，不受合成退化的限制。
-
公开(公告)号：CN119722515A
公开(公告)日：2025-03-28
申请号：CN202411781153.4
申请日：2024-12-05
Applicant: 杭州电子科技大学丽水研究院
IPC: G06T5/73 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/088 , G06N3/094
Abstract: 本发明公开了一种基于深度学习的无监督图像去摩尔纹方法，首先准备无需配对的摩尔纹图像及清晰图像；构建图像去摩尔纹的无监督网络模型，模型基于生成对抗网络架构，并结合了对比学习方法，包括生成器、判别器和内容编码器。然后对构建的图像去摩尔纹网络模型进行无监督训练。本发明创新的提出了从非配对的数据集中也能学习到从摩尔纹图像到清晰图像的映射关系，避免了收集真实世界的配对图像的繁琐工作。实验表明，本发明能在非配对的数据集上实现很好的去摩尔纹效果。
-
公开(公告)号：CN118450124B
公开(公告)日：2025-02-11
申请号：CN202410585773.4
申请日：2024-05-13
Applicant: 杭州电子科技大学
IPC: H04N19/124 , H04N19/31 , H04N19/33 , H04N19/167 , H04N21/6373 , H04N21/2187 , G06V10/25 , G06V10/28 , G06V10/40
Abstract: 本发明公开了一种支持群智感知的端边云紧凑视频编码方法及系统，在云边端系统中，对单摄像头和跨摄像头语义目标图片进行优选，基于目标跟踪和图片优先，选取包含语义信息最大的语义图片框，对语义目标对象在其时域轨迹上的图片框序列进行特征提取，并将得到的紧凑特征用于语义目标对象的重构，实现视频群智语义目标紧凑编码，采集用于反馈控制的控制参量，聚焦感兴趣或语义感知相对重要的区域，用于指导多个摄像头之间协同码率分配及量化控制优化，实现视频群智多摄像头端边云协同优化编码。在针对海量摄像头视频数据进行以图搜图业务中，本发明对海量摄像头视频数据进行高效编码，支持端边云高效存储传输和分析。
-
公开(公告)号：CN119337161A
公开(公告)日：2025-01-21
申请号：CN202411286382.9
申请日：2024-09-13
Applicant: 杭州电子科技大学
IPC: G06F18/23213 , G06F18/22 , G06F18/25 , G06N3/0455 , G06N3/0895 , G06N3/048 , G06N3/084 , G06F17/16 , G06F17/18
Abstract: 本发明公开了一种基于超图自编码器的多模态聚类方法。首先获取模态数据集合，基于模态数据集合形成超图，并得到邻接矩阵；然后通过自编码器网络得到每个模态数据集合的编码器输出和解码器输出；再者，融合每个模态数据对应的潜在表示为多模态数据潜在表示，得到相应的相似度矩阵；综上更新自编码器网络的网络参数和多模态潜在表示直到损失函数收敛，最后根据更新的多模态潜在表示将多模态数据分为k个类别。本发明通过数据的结构先验来学习样本间的潜在相似性，有效的结构先验可以减轻样本特征的偏差。我们利用预训练模型的特征表示能力和超图的卓越建模能力，将特征先验和结构先验集成到模型中。这提高了自监督学习算法的质量。
-
公开(公告)号：CN119313696A
公开(公告)日：2025-01-14
申请号：CN202411373764.5
申请日：2024-09-29
Applicant: 杭州电子科技大学
IPC: G06T7/136 , G06T7/194 , G06N3/126 , G06V10/44 , G06N3/096 , G06T7/00 , G06V10/774 , G06V10/776 , G06N3/006
Abstract: 本发明公开了一种基于君主策略改进遗传算法的多阈值图像分割方法。本发明方法基于遗传算法的进化原理，通过模拟自然选择和遗传学中的基因交叉与变异过程，确保在图像分割的多阈值选择问题中，能够有效探索解空间并收敛到最优解。利用生物学原理，保证了算法在解决复杂图像分割任务中的高效性与准确性。本发明方法优化了多阈值选择，能够在不同灰度级图像之间实现精确分割，尤其适用于具有多个组织类型或复杂结构的图像，可以有效识别复杂边界和重叠结构，通过自动调整分割参数提高识别准确性。
-
-
-
-
-
-
-
-
-
Search Results
613
records
(took 0.069 seconds)
