-
公开(公告)号：CN114936984A
公开(公告)日：2022-08-23
申请号：CN202210686845.5
申请日：2022-06-17
Applicant: 武汉工程大学
Abstract: 本发明涉及一种同时对毫米波退化图像去噪去模糊双任务复原方法、装置、电子设备及计算机存储介质，其方法包括：构建毫米波仿真退化图像的训练集和测试集；将训练集图像输入初始双任务网络模型进行训练，直至所述初始双任务网络模型的损失函数达到预设的收敛条件，其中，所述初始双任务网络模型结构包括局部加式残差密集特征融合去噪子网络、局部从低阶到高阶半归一化残差特征密集融合的去噪去模糊子网络及图像重建子网络；将测试集图像输入到训练完成的双任务网络模型，输出测试复原图像。本发明可以有效地平衡毫米波退化图像去噪与去模糊的关系，实现去噪去模糊双任务问题，进而得到一个高质量的清晰图像。
-
公开(公告)号：CN117095309A
公开(公告)日：2023-11-21
申请号：CN202311362154.0
申请日：2023-10-20
Applicant: 武汉工程大学
IPC: G06V20/13 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明公开了一种极化SAR影像旋转域特征表达提取与分类方法，该方法包括以下步骤：获取PolSAR图像中各像素的极化相干矩阵，利用不同极化方向角对应的极化旋转矩阵生成待分类像素的旋转域极化相干矩阵序列，作为3D卷积视觉Transformer的输入；在3D卷积视觉Transformer中先使用两个3D卷积块来捕获极化相干矩阵的中级特征映射；将第二个3D卷积块的输出作为后续两个3D视觉Transformer块和两个3D池化层的输入，学习旋转域极化相干矩阵的高级特征表示；利用3D视觉Transformer学习输入特征图的局部和全局特征表示；利用所提出的3D卷积视觉Transformer输出的高级特征图进行分类，即将特征表示输入分类器进行PolSAR图像分类。本发明能够高效完成对极化合成合成孔径雷达图像的分类任务。
-
公开(公告)号：CN114998142A
公开(公告)日：2022-09-02
申请号：CN202210650894.3
申请日：2022-06-08
Applicant: 武汉工程大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于密集特征多监督约束的运动去模糊方法，包括：构建初始运动模糊图像去模糊网络模型，基于图像样本集训练初始运动模糊图像去模糊网络模型，得到目标运动模糊图像去模糊网络模型；获取实时模糊图像，将实时模糊图像输入至目标运动模糊图像去模糊网络模型中，得到恢复清晰图像；初始运动模糊图像去模糊网络模型包括多个编码块构成的编码器、多个解码块构成的解码器、添加在所述多个编码块之间和/或添加在所述多个编解码块之间和/或添加在编码器与解码器之间的多个监督约束模块。本发明通过添加的多个监督约束模块计算的损失值对模型参数进行更新，能够更好的约束模型的训练，从而解决模糊图像恢复效果不佳的问题。
-
公开(公告)号：CN119540100B
公开(公告)日：2025-04-22
申请号：CN202510093625.5
申请日：2025-01-21
Applicant: 武汉工程大学
Abstract: 本发明提供了一种基于动态分解及融合的图像复原方法及系统，通过按退化模式分解具有混杂特征的待恢复图像，提取数量与退化模式的类型数相同的退化特征；分别处理每个退化特征，得到与每个退化模式相应的恢复特征；动态融合恢复特征，得到与待恢复图像相同尺寸的清晰的恢复图像，实现了对复杂混杂图像进行高质量恢复的功能。本发明在多个尺度下对恢复特征图进行分解、处理和融合，得到融合多个尺度恢复特征的恢复特征图，提高了混杂图像恢复的视觉效果。本发明基于方法形成的相应模型构建对称的U型网络，并构建与退化模式对应的处理子模块，很好地应对了真实环境下复杂多样的退化图像，为图像复原领域提供了一种高效、可靠的解决方案。
-
公开(公告)号：CN114998152B
公开(公告)日：2025-02-14
申请号：CN202210687853.1
申请日：2022-06-17
Applicant: 武汉工程大学
IPC: G06T5/73 , G06V10/774 , G06T5/10 , G06N3/0464 , G06N3/09
Abstract: 本申请公开了一种基于清晰图像与模糊图像差异的图像去模糊方法、装置及电子设备，该方法包括：获取清晰样本图像和模糊样本图像，并确定清晰样本图像与模糊样本图像的差值图像；建立初始解码特征模型，得到初始解码特征；建立初始图像去模糊模型，得到训练完备的图像去模糊模型；获取模糊图像，基于训练完备的图像去模糊模型，确定清晰图像。通过将初始解码特征作为监督，增加了初始图像去模糊模型的监督条件，并且根据初始解码特征的反馈，逆向调整初始图像去模糊模型，能够加快收敛速度；另外，基于差值图像调节，放大了差异，有效提高了图像去模糊模型的去模糊水平。
-
Patent Agency Ranking
公开(公告)号：CN114998142B
公开(公告)日：2024-08-06
申请号：CN202210650894.3
申请日：2022-06-08
Applicant: 武汉工程大学
IPC: G06T5/73
Abstract: 本发明提供了一种基于密集特征多监督约束的运动去模糊方法，包括：构建初始运动模糊图像去模糊网络模型，基于图像样本集训练初始运动模糊图像去模糊网络模型，得到目标运动模糊图像去模糊网络模型；获取实时模糊图像，将实时模糊图像输入至目标运动模糊图像去模糊网络模型中，得到恢复清晰图像；初始运动模糊图像去模糊网络模型包括多个编码块构成的编码器、多个解码块构成的解码器、添加在所述多个编码块之间和/或添加在所述多个编解码块之间和/或添加在编码器与解码器之间的多个监督约束模块。本发明通过添加的多个监督约束模块计算的损失值对模型参数进行更新，能够更好的约束模型的训练，从而解决模糊图像恢复效果不佳的问题。
-
公开(公告)号：CN117095309B
公开(公告)日：2024-01-16
申请号：CN202311362154.0
申请日：2023-10-20
Applicant: 武汉工程大学
IPC: G06V20/13 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 本发明公开了一种极化SAR影像旋转域特征表达提取与分类方法，该方法包括以下步骤：获取PolSAR图像中各像素的极化相干矩阵，利用不同极化方向角对应的极化旋转矩阵生成待分类像素的旋转域极化相干矩阵序列，作为3D卷积视觉Transformer的输入；在3D卷积视觉Transformer中先使用两个3D卷积块来捕获极化相干矩阵的中级特征映射；将第二个3D卷积块的输出作为后续两个3D视觉Transformer块和两个3D池化层的输入，学习旋转域极化相干矩阵的高级特征表示；利用3D视觉Transformer学习输入特征图的局部和全局特征表示；利用所提出的3D卷积视觉Transformer输出的高级特征图进行分(56)对比文件Rong Gui等.Unsupervised PolSAR ChangeDetection Based on Polarimetric DistanceMeasurements and ConvLSTM Network《.IEEEJOURNAL OF SELECTED TOPICS IN APPLIEDEARTH OBSERVATIONS AND REMOTE SENSING》.2023,第9762-9776页.凌旭峰等.基于自注意力的合成孔径雷达图像目标分类方法《.现代雷达》.2022,第44卷(第7期),第50-55页.Hongmiao Wangdeng .Land CoverClassification for Polarimetric SARImages Based on Vision Transformer.《remote sensing》.2022,第1-23页.
-
公开(公告)号：CN115439358A
公开(公告)日：2022-12-06
申请号：CN202211057860.X
申请日：2022-08-31
Applicant: 武汉工程大学
Abstract: 本发明公开了一种图像去模糊方法、电子设备及存储介质，方法包括：获取训练完备的目标图像去模糊模型，所述目标图像去模糊模型包括多尺度像素注意力融合残差块；获取待处理图像；基于所述多尺度像素注意力融合残差块，对所述待处理图像进行多尺度像素注意力特征提取，获得多个像素注意力特征图，并对多个像素注意力特征图进行融合，获得多尺度像素注意力融合图；并将多尺度像素注意力融合图与输入特征图相加输出构成残差学习特征图；基于所述残差学习特征图，确定图像去模糊结果。本发明解决了现有技术中对模糊图像特征细节的局部特征以及局部和全局信息之间交互学习有限的技术问题。
-
公开(公告)号：CN110796616B
公开(公告)日：2022-05-10
申请号：CN201911011012.3
申请日：2019-10-23
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于分数阶微分算子的L0范数约束和自适应加权梯度的湍流退化图像复原的方法，包括建立湍流退化图像恢复的基本空间不变数学模型；建立图像尺度由粗到细的多尺度金字塔框架；在不同的金字塔尺度下建立基于分数阶的L0范数约束的潜在清晰图像优化模型，估计潜在清晰图像；对估计的潜在清晰图像使用双边滤波器进行滤波，并建立连续边缘的加权模型；建立自适应加权梯度的点扩展函数估计模型，并在频域内采估计出点扩展函数；迭代求出对应图像尺度下的潜在清晰图像和点扩展函数，利用点扩展函数的相似性度量设定优化迭代循环的迭代终止条件；并迭代输出潜在清晰图像和点扩展函数；最后利用点扩展函数恢复湍流退化图像，获得清晰图像。
-
公开(公告)号：CN110322410A
公开(公告)日：2019-10-11
申请号：CN201910516942.8
申请日：2019-06-14
Applicant: 武汉工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于亮通道透射率补偿的水下图像去雾及偏色校正方法，包括以下步骤：首先提取三个通道的亮通道图，然后根据最大亮度进行排序找出各个通道的前0.2％的最暗像素对应水下退化图像位置的像素灰度值作为背景光的估计值；针对水下退化图像的偏色问题，对红通道的透射率进行取反操作修正，根据衰减系数的关系对G、B的粗略透射率进行修正，获取G、B的透射率的精确估计；提取各像素点的R、G、B通道的透射率的最大值，并采用快速引导滤波，获取最终精细的透射率图；最后根据水下图像模型加权背景光偏色校正归一化处理获得复原后的图像。本发明图像处理方法可以在图像去雾的同时可以较好地解决因为透射率估计不精确带来的偏色问题。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.027 seconds)
