-
公开(公告)号：CN118657669B
公开(公告)日：2025-02-11
申请号：CN202410759156.1
申请日：2024-06-13
Applicant: 武汉工程大学
IPC: G06F16/50
Abstract: 本发明涉及红外图像与可见光图像融合方法、系统、计算设备及介质。方法包括：将第一红外图像转换为有色彩信息的第一伪可见光图像，以及将与所述第一红外图像配准的第一可见光图像转换为有可见光细节纹理信息的第一伪红外图像；提取所述第一红外图像的第一Y通道；提取所述第一伪红外图像的第二Y通道；提取所述第一伪可见光图像的CrCb通道；将所述第一Y通道和所述第二Y通道进行融合以获得目标Y通道，将所述目标Y通道和所述CrCb通道重组获得目标YCrCb色彩模型，并将所述目标YCrCb色彩模型映射为对应的RGB色彩模型，以获得融合后的目标图像。该方法实现了对第一红外图像和第一可见光图像细节纹理信息的融合，具有较好的成像质量。
-
公开(公告)号：CN117808691B
公开(公告)日：2024-12-17
申请号：CN202311705681.7
申请日：2023-12-12
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于差异显著性聚合和联合梯度约束的图像融合方法，包括以下步骤：将红外和可见光两类源图像输入到融合网络中，通过区域聚合策略整合得到差异联合显著性图；将生成的差异联合显著性图和两类源图像一起输入到特征融合子网络中，通过卷积对特征进行重建得到初步融合图像；通过融合网络中的双通道梯度聚合模块构建包含源图像互补性纹理信息的联合梯度图；在融合网络的生成器中，分别计算初步融合图像与红外和可见光两类源图像之间的内容损失；在融合网络的判别器中，计算联合梯度图与初步融合图像的梯度图之间的对抗性损失；将内容损失和对抗性损失一起用于训练融合网络，生成最终的融合图像。本发明实现了红外和可见光图像融合。
-
公开(公告)号：CN117808691A
公开(公告)日：2024-04-02
申请号：CN202311705681.7
申请日：2023-12-12
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于差异显著性聚合和联合梯度约束的图像融合方法，包括以下步骤：将红外和可见光两类源图像输入到融合网络中，通过区域聚合策略整合得到差异联合显著性图；将生成的差异联合显著性图和两类源图像一起输入到特征融合子网络中，通过卷积对特征进行重建得到初步融合图像；通过融合网络中的双通道梯度聚合模块构建包含源图像互补性纹理信息的联合梯度图；在融合网络的生成器中，分别计算初步融合图像与红外和可见光两类源图像之间的内容损失；在融合网络的判别器中，计算联合梯度图与初步融合图像的梯度图之间的对抗性损失；将内容损失和对抗性损失一起用于训练融合网络，生成最终的融合图像。本发明实现了红外和可见光图像融合。
-
Patent Agency Ranking
公开(公告)号：CN118941483B
公开(公告)日：2025-05-20
申请号：CN202410911635.0
申请日：2024-07-09
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于动态特征聚合和色彩校正的零样本低光图像增强方法，包括：将预设的训练图像缩放，对其三色通道计算得到色彩校正因子，将缩放后的训练图像及其色彩校正因子输入增强曲线估计网络，得到增强曲线的参数矩阵，得到每次迭代时相应的增强曲线，通过色彩校正因子对增强曲线进行修正，对缩放后的训练图像通过修正后的增强曲线迭代，得到初步的增强结果；对增强曲线的参数矩阵和初步的增强结果分别计算无参考损失；计算预设的测试图像的色彩校正因子，得到最终的增强图像。本发明通过跳跃连接和注意力机制自适应选择和学习特征能力，利用低光图像中色彩先验信息对增强曲线进行校正，防止增强过程中的颜色失真，并提升整体色彩对比度。
-
公开(公告)号：CN119888261A
公开(公告)日：2025-04-25
申请号：CN202411902866.1
申请日：2024-12-23
Applicant: 武汉工程大学
IPC: G06V10/46 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0895
Abstract: 本发明提供一种基于多源弱监督的图像显著性检测方法及系统，涉及图像处理技术领域；方法包括：基于文本标签和点标签对RGB图像进行标注生成伪标签，利用构建的显著性目标检测模型中的不同编码器分别对RGB图像和深度图像进行特征提取，并对提取到的特征按层级进行融合处理，得到多个不同的层级图像特征，根据多个层级图像特征生成边缘特征，结合边缘特征对多个层级图像特征进行解码处理，得到显著性目标图像。通过结合多种弱标签的优势，充分发挥深度信息对RGB信息的补充作用，使显著性目标检测模型检测出的显著性目标突出细丝状边缘结构。
-
公开(公告)号：CN118941483A
公开(公告)日：2024-11-12
申请号：CN202410911635.0
申请日：2024-07-09
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于动态特征聚合和色彩校正的零样本低光图像增强方法，包括：将预设的训练图像缩放，对其三色通道计算得到色彩校正因子，将缩放后的训练图像及其色彩校正因子输入增强曲线估计网络，得到增强曲线的参数矩阵，得到每次迭代时相应的增强曲线，通过色彩校正因子对增强曲线进行修正，对缩放后的训练图像通过修正后的增强曲线迭代，得到初步的增强结果；对增强曲线的参数矩阵和初步的增强结果分别计算无参考损失；计算预设的测试图像的色彩校正因子，得到最终的增强图像。本发明通过跳跃连接和注意力机制自适应选择和学习特征能力，利用低光图像中色彩先验信息对增强曲线进行校正，防止增强过程中的颜色失真，并提升整体色彩对比度。
-
公开(公告)号：CN119723073A
公开(公告)日：2025-03-28
申请号：CN202411598967.4
申请日：2024-11-11
Applicant: 武汉工程大学
IPC: G06V10/26 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/0895
Abstract: 本申请涉及一种实例分割网络优化方法、设备及介质，方法包括：获取批量的尾部数据样本，对尾部数据样本进行数据增广，得到尾部扩展样本；对尾部数据样本和尾部扩展样本进行对比学习，得到尾部对比损失；构建尾部扩展样本的伪语义标签；获取批量的头部数据样本，头部数据样本和尾部数据样本均包含真值标签；将头部数据样本、尾部数据样本和尾部扩展样本输入预设实例分割网络中，基于真值标签和伪语义标签计算分割掩码损失和类别损失；基于尾部对比损失、分割掩码损失和类别损失对预设实例分割网络进行调整，得到优化实例分割网络。解决了现有模型对尾部稀有类别的识别准确率均较低，导致长尾实例分割的效果较差的问题。
-
公开(公告)号：CN118657669A
公开(公告)日：2024-09-17
申请号：CN202410759156.1
申请日：2024-06-13
Applicant: 武汉工程大学
Abstract: 本发明涉及红外图像与可见光图像融合方法、系统、计算设备及介质。方法包括：将第一红外图像转换为有色彩信息的第一伪可见光图像，以及将与所述第一红外图像配准的第一可见光图像转换为有可见光细节纹理信息的第一伪红外图像；提取所述第一红外图像的第一Y通道；提取所述第一伪红外图像的第二Y通道；提取所述第一伪可见光图像的CrCb通道；将所述第一Y通道和所述第二Y通道进行融合以获得目标Y通道，将所述目标Y通道和所述CrCb通道重组获得目标YCrCb色彩模型，并将所述目标YCrCb色彩模型映射为对应的RGB色彩模型，以获得融合后的目标图像。该方法实现了对第一红外图像和第一可见光图像细节纹理信息的融合，具有较好的成像质量。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
