-
公开(公告)号：CN114972146A
公开(公告)日：2022-08-30
申请号：CN202210603129.6
申请日：2022-05-25
Applicant: 武汉工程大学
Abstract: 本发明提供了一种基于生成对抗式双通道权重分配的图像融合方法及装置，其方法包括：构建初始图像融合模型，包括生成器模块和孪生鉴别器模块，生成器模块包括伪孪生特征提取模块和特征融合模块；获取红外图像样本和可见光图像样本，并基于伪孪生特征提取模块获得红外特征图和可见光特征图；基于特征融合模块生成融合特征图；基于孪生鉴别模块分别获得融合特征图与红外图像样本的第一相似度及与可见光图像样本的第二相似度；对初始图像融合模型进行训练，获得目标图像融合模型；基于目标图像融合模型对待融合红外图像和待融合可见光图像进行融合，获得目标融合图像。本发明可获得具有清晰目标和丰富细节纹理的目标融合图像。
-
公开(公告)号：CN114972146B
公开(公告)日：2024-11-12
申请号：CN202210603129.6
申请日：2022-05-25
Applicant: 武汉工程大学
IPC: G06T5/50 , G06V10/764 , G06V10/74 , G06V10/80 , G06N3/0475 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于生成对抗式双通道权重分配的图像融合方法及装置，其方法包括：构建初始图像融合模型，包括生成器模块和孪生鉴别器模块，生成器模块包括伪孪生特征提取模块和特征融合模块；获取红外图像样本和可见光图像样本，并基于伪孪生特征提取模块获得红外特征图和可见光特征图；基于特征融合模块生成融合特征图；基于孪生鉴别模块分别获得融合特征图与红外图像样本的第一相似度及与可见光图像样本的第二相似度；对初始图像融合模型进行训练，获得目标图像融合模型；基于目标图像融合模型对待融合红外图像和待融合可见光图像进行融合，获得目标融合图像。本发明可获得具有清晰目标和丰富细节纹理的目标融合图像。
-
公开(公告)号：CN112783972A
公开(公告)日：2021-05-11
申请号：CN202011624983.8
申请日：2020-12-31
Applicant: 武汉工程大学
Abstract: 本发明提供一种图像特征值数据的同步方法，存储系统与提取系统进行数据交互时，先自检获取的数据，自检通过则将数据存储到对应的图像特征值缓冲表；对比图像特征值存储表和图像特征值缓冲表数据，按照禁用、更新、新增三个维度对图像特征值存储表数据进行处理；按照禁用、更新、新增三个维度对图像特征值存储表数据进行处理过程中，采用事件驱动机制将变更数据同步到其它使用该特征值模块中；事件驱动机制支持相关联模块快速扩展。本发明增加自检步骤，并增加图像特征值缓冲表，提高数据同步的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN112668643A
公开(公告)日：2021-04-16
申请号：CN202011579447.0
申请日：2020-12-28
Applicant: 武汉工程大学
Abstract: 本发明提供一种基于格式塔法则的半监督显著性检测方法，将训练图像输入卷积神经网络进行特征提取得到初步显著性映射，利用格式塔法则进行损失函数的定义并计算损失值，基于该损失值和初步显著性映射实现卷积神经网络的训练；利用训练完成的卷积神经网络和全连接CRF方法实现基于格式塔法则的半监督显著性检测。本发明将格式塔法则融入到损失函数和优化显著性映射的定义之中，充分考虑了人类视觉系统的知觉感知，能够有效利用先验信息；图像级标签比像素级标签更有效地收集，因此注释成本大大降低。
-
公开(公告)号：CN111461139B
公开(公告)日：2023-04-07
申请号：CN202010227331.4
申请日：2020-03-27
Applicant: 武汉工程大学
IPC: G06V10/46 , G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种复杂场景下的多目标视觉显著性分层检测方法，属于计算机视觉和图像处理技术领域。方法包括：基于格式塔线索将待检图像划分为多个图像块，对全部图像块进行显著性检测，根据显著性检测结果对全部图像块进行组合，并将图像块组合后的显著性检测结果作为第一层线索；使用一般性目标检测方法对待检图像进行目标检测，将目标检测结果作为第二层线索；基于交叉扩散方法，将第一层线索和所述第二层线索进行线索融合，并得到显著性结果图。本发明将格式塔线索运用到图像显著性检测中，针对具有复杂视觉场景和多目标分布的图像，充分利用感知结构信息和多目标分布信息，从而全面、均匀的突显出图像中具有明确边界的目标显著性区域。
-
公开(公告)号：CN115222664A
公开(公告)日：2022-10-21
申请号：CN202210656985.8
申请日：2022-06-10
Applicant: 武汉工程大学
Abstract: 本发明涉及冠脉血管的运动参数获取方法、装置、电子设备及介质，属于图像处理技术领域。本发明通过第二映射关系，将对冠脉血管的运动估计问题转化为对心脏搏动信号的谐波系数的估计问题，再基于心脏搏动信号的谐波系数确定冠脉血管的运动参数，从而消除心脏搏动之外的运动分量的影响，使得到的冠脉血管的运动参数能够准确量化心脏搏动，有利于后续对心脏搏动的有效分析。
-
公开(公告)号：CN112668643B
公开(公告)日：2022-10-21
申请号：CN202011579447.0
申请日：2020-12-28
Applicant: 武汉工程大学
IPC: G06V10/764 , G06V10/77 , G06V10/82 , G06V10/774 , G06N3/08
Abstract: 本发明提供一种基于格式塔法则的半监督显著性检测方法，将训练图像输入卷积神经网络进行特征提取得到初步显著性映射，利用格式塔法则进行损失函数的定义并计算损失值，基于该损失值和初步显著性映射实现卷积神经网络的训练；利用训练完成的卷积神经网络和全连接CRF方法实现基于格式塔法则的半监督显著性检测。本发明将格式塔法则融入到损失函数和优化显著性映射的定义之中，充分考虑了人类视觉系统的知觉感知，能够有效利用先验信息；图像级标签比像素级标签更有效地收集，因此注释成本大大降低。
-
公开(公告)号：CN111461139A
公开(公告)日：2020-07-28
申请号：CN202010227331.4
申请日：2020-03-27
Applicant: 武汉工程大学
Abstract: 本发明公开了一种复杂场景下的多目标视觉显著性分层检测方法，属于计算机视觉和图像处理技术领域。方法包括：基于格式塔线索将待检图像划分为多个图像块，对全部图像块进行显著性检测，根据显著性检测结果对全部图像块进行组合，并将图像块组合后的显著性检测结果作为第一层线索；使用一般性目标检测方法对待检图像进行目标检测，将目标检测结果作为第二层线索；基于交叉扩散方法，将第一层线索和所述第二层线索进行线索融合，并得到显著性结果图。本发明将格式塔线索运用到图像显著性检测中，针对具有复杂视觉场景和多目标分布的图像，充分利用感知结构信息和多目标分布信息，从而全面、均匀的突显出图像中具有明确边界的目标显著性区域。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
