-
公开(公告)号：CN119048381A
公开(公告)日：2024-11-29
申请号：CN202410934577.3
申请日：2024-07-12
Applicant: 桂林电子科技大学
IPC: G06T5/70 , G06T5/50 , G06T5/60 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于HFRC‑Diff的低照度叠加雾图像增强方法，该方法能够增强并恢复光照条件差且有雾气产生时的场景图像，使其还原为正常照度且表面干净的高质量图像。包括如下步骤：1)加工现有数据集；2)训练IP‑Net(Initial prediction Network)初始预测模块；3)训练以空间域和频率域引导的条件扩散模型(Frequency‑domain and Spatial‑domain Guided for Diffusion)；4)训练并行注意力特征融合模块。5)对整个低照度叠加雾图像增强网络的测试。这种方法能弥补低照度图像和正常照度图像之间像素级和语义级的差距，同时达到良好的去雾效果，在复杂场景下生成更高质量的图像。
-
公开(公告)号：CN117408924A
公开(公告)日：2024-01-16
申请号：CN202311355875.9
申请日：2023-10-19
Applicant: 桂林电子科技大学
IPC: G06T5/90 , G06T5/70 , G06T5/73 , G06T5/60 , G06V20/70 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0475 , G06N3/0464 , G06N3/045 , G06N3/0455 , G06N3/09
Abstract: 本发明公开了一种基于多重语义特征融合网络MSFF‑Net的低光照图像增强方法，该网络能在光照较差的环境下结合多种语义特征作为图像的先验信息来进行低光照图像的增强，包括如下步骤：1）构建MSFF‑Tarin与MSFF‑Test低光照图像增强数据集；2）训练多重语义特征生成网络；3）训练多重语义信息融合网络MSFF‑Net的编码器；4）训练多重语义信息融合网络MSFF‑Net的解码器；5）测试低照度增强网络MSFF‑NET。这种方法利用多种语义信息进行先验指导，使增强后的低光照图像既能提供准确语义，又能重构细节，同时能去除噪声和伪影，并能保留原图像的细节，从而能提升低光照环境下的图像视觉质量。
-
公开(公告)号：CN117197016A
公开(公告)日：2023-12-08
申请号：CN202311183190.0
申请日：2023-09-14
Applicant: 桂林电子科技大学
IPC: G06T5/50 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于TF‑GAN的低照度下的雨雾图像增强方法，所述方法包括如下步骤：1）重构加工现有的数据集；2）基于边缘提取器（Edge Extractor）的结构估计的生成；3）图像结构估计网络（ISE Block）的训练；4）基于Transformer的生成器的训练；5）基于Transformer的鉴别器的训练；6）对基于transformer的生成对抗网络低照度雨雾图像增强网络的测试。这种方法能缩小低照度雨雾图像和正常照度图像之间结构的差距，从而更好的对低照度雨雾图像进行增强，综合解决了现有图像增强技术对气候等复杂环境适应能力弱、稳定性差等问题，同时该网络模型具有较好泛化性能。
-
公开(公告)号：CN110288555B
公开(公告)日：2022-08-02
申请号：CN201910587997.8
申请日：2019-07-02
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于改进的胶囊网络的低照度增强方法，具体步骤如下：（一）采集数据源，制作数据集，对所有图像数据进行像素值归一化处理；（二）进行改进的胶囊网络的构建，其中前三层为编码器，后三层为解码器；（三）计算损失函数；（四）进行网络的训练，重构图像及进行参数更新得到增强后的图像。本发明在低光环境下拍摄的图像不受到低动态范围和噪声的影响并仍得到接近于正常照度下的图。
-
公开(公告)号：CN114037938A
公开(公告)日：2022-02-11
申请号：CN202111322259.4
申请日：2021-11-09
Applicant: 桂林电子科技大学
IPC: G06V20/40 , G06V10/764 , G06V10/771 , G06V10/80 , G06K9/62
Abstract: 本发明公开一种基于NFL‑Net的低照度目标检测方法，所述方法包括如下步骤：1）对低照度图像数据集进行处理和划分；2）训练NorexNet网络对输入的低照度图像进行特征提取；3）构造SM‑FPN网络对特征图进行多尺度特征的融合；4）在模型的检测头结构中添加位置注意力模块；5）对整体模型进行训练并采用逐像素检测的方式对图像进行目标检测。这种方法能够不受低光照环境下拍摄的影响，对于产生的低照度图像仍然可以进行很好地识别来检测出图像中的目标对象。
-
Patent Agency Ranking
公开(公告)号：CN110166444B
公开(公告)日：2021-08-24
申请号：CN201910368180.1
申请日：2019-05-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种云环境下基于可信代理的异构跨域认证方法，通过引入一个可信的第三方认证中心完成对用户以及云服务提供商的高效率身份验证，计算会话密钥安全颁发给用户和云服务提供商，并且基于数学困难性问题使得恶意攻击者无法获得私密信息，保证通信的安全高效性来完成不同系统的跨域认证。本发明具有高效性，安全性，防篡改性，易验证等特点，适合于需要用户负载量大的网络云服务器。
-
公开(公告)号：CN109035189B
公开(公告)日：2021-07-23
申请号：CN201810782395.3
申请日：2018-07-17
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于柯西模糊函数的红外与弱可见光图像融合方法，首先利用改进的引导滤波来自适应增强提高弱可见光图像暗区域的可视性，然后利用NSST对红外和增强后的弱可见光图像进行多尺度分解得到红外图像和增强后的弱可见光图像的低频分量与高频分量；接着，利用直觉模糊集构建柯西隶属函数对红外图像和增强后的弱可见光图像的低频分量进行融合，并利用自适应的双通道脉冲发放皮层模型对红外图像和增强后的弱可见光图像的高频分量进行融合；最后利用非下采样剪切波逆变换对融合后的低频分量和高频分量进行重构，得到最终融合图像。本发明能够更加有效地提取图像的细节信息，并获得更好的融合效果。
-
公开(公告)号：CN110175970A
公开(公告)日：2019-08-27
申请号：CN201910419031.3
申请日：2019-05-20
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于改进FPDE和PCA的红外与可见光图像融合方法,包括以下主要步骤：1）使用改进的FPDE方法对红外和可见光图像进行分解；2）利用引导滤波对低频分量进行融合；3）利用改进的PCA方法对高频分量进行融合；4）利用线性组合进行重构得到最终融合图像。本发明避免了融合图像出现块状效应并能更好的权衡融合图像的边缘保留和平滑。
-
-
公开(公告)号：CN109492682A
公开(公告)日：2019-03-19
申请号：CN201811273813.2
申请日：2018-10-30
Applicant: 桂林电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种多分枝随机森林数据分类方法，涉及随机森林数据分类技术领域，解决的技术问题是提供一种提高数据分类的性能和准确率的分类方法，该方法包括如下步骤：（一）给出未分类数据集，应用PCA算法对数据降维去噪；（二）应用K-means算法完成数据的聚类操作；（三）构建多分枝随机森林；（四）使用多分枝随机森林模型完成对数据的分类操作。采用本发明的技术方案可以提高数据分类的性能和准确率。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.029 seconds)
