-
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：CN119478354A
公开(公告)日：2025-02-18
申请号：CN202411519317.6
申请日：2024-10-29
Applicant: 武汉工程大学
Abstract: 本发明提供一种基于自适应多尺度特征融合的表面缺陷显著目标检测方法，该方法包括：使用VGG16网络从待检测物体表面图像中提取多种层次的特征图；使用CBAM注意力机制通过空间和通道注意力对每种层次的特征图进行加权；使用自适应多尺度特征融合策略将加权后的所述特征图按照从深到浅的层次顺序逐步融合；根据所述特征图的融合结果，预测所述待检测物体表面图像中的缺陷区域；其中，所述自适应多尺度特征融合策略包括自适应权重融合机制、全局特征自适应融合机制和差异特征自适应融合机制。本发明提高物体表面缺陷检测的精度，具有较强的鲁棒性和泛化能力。
-
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：CN118195909A
公开(公告)日：2024-06-14
申请号：CN202311866208.7
申请日：2023-12-28
Applicant: 武汉工程大学
Abstract: 本发明属于图像增强技术领域，公开了一种基于颜色校正和直方图修剪的水下图像增强方法及系统，包括：为具有严重衰减的像素提供较大的补偿，衰减较小的像素提供较小的补偿；使用图像直方图对水下退化图像中各颜色通道的灰度值分布进行修正；对裁剪后的直方图进行像素数量的分配，使得像素值范围变得更加均匀，而又不会低像素值范围内的细节信息；计算直方图的累积密度函数CDF，从而实现对图像的灰度值均衡处理；最后利用传递函数生成映射曲线，将各颜色通道的输入图像转换为输出图像。本发明采用简单有效的自适应局部补偿策略，补偿水下图像衰减的颜色通道，衰减较强的区域得到较大的补偿，衰减较小的区域得到较小的补偿。
-
Patent Agency Ranking
公开(公告)号：CN115169625A
公开(公告)日：2022-10-11
申请号：CN202210819819.5
申请日：2022-07-11
Applicant: 武汉工程大学
IPC: G06Q10/02 , G06F16/2457 , G06F16/248 , G06V20/40 , G06V40/13 , G06Q50/20
Abstract: 本发明提供了一种多功能电子课表与教室管理系统，包括：数据库、控制模块、第一显示模块以及与多个教室对应的多个第二显示模块；数据库用于存储多个教室中各教室的课表信息以及各教室的占用信息；控制模块用于将课表信息和占用信息分别发送至第一显示模块和第二显示模块；第一显示模块用于显示多个教室的课表信息和占用信息；多个第二显示模块中的各第二显示模块用于显示与之对应的课表信息和占用信息；各第二显示模块还用于响应预约申请生成预约申请信息；数据库还用于根据预约申请信息更新占用信息。本发明可根据占用信息获知各教室的活动信息，提高活动信息的利用率，并且可根据预约申请信息预约教室，提高教室资源的利用率。
-
公开(公告)号：CN112577671A
公开(公告)日：2021-03-30
申请号：CN202011354686.6
申请日：2020-11-27
Applicant: 武汉工程大学
IPC: G01M3/00
Abstract: 本发明公开了一种利用克里金法的井盖监测方法及系统，涉及可信信息覆盖领域。该方法包括：步骤1，获取井盖温度传感器的节点位置信息；步骤2，通过节点位置信息确定协同监测区域；步骤3，获取协同监测区域内的井盖温度传感器的监测值以及待测井盖温度传感器的节点位置信息；步骤4，通过克里金差值算法中的球状变差函数指数模型对待测节点温度值的估计公式中的权重系数进行计算，得到计算结果；步骤5，将待测井盖温度传感器的节点位置信息、计算结果与监测值输入至待测节点温度值的估计公式中，得出最终监测结果。本发明能够解决不能对未被安装监测系统的区域进行检测问题。
-
公开(公告)号：CN106842191A
公开(公告)日：2017-06-13
申请号：CN201710025161.X
申请日：2017-01-13
Applicant: 武汉工程大学
IPC: G01S13/88
CPC classification number: G01S13/88
Abstract: 本发明公开了一种电离层参数的获取方法，至少包括：先选择已知位置的广播电台作为发射站；再建立接收站，获取接收站的位置、接收信号的频率和接收信号的俯仰角信息；接着计算得到发射站和接收站之间的地面大圆距离；最后基于接收信号的频率、接收信号的俯仰角信息和地面大圆距离，利用遗传算法反演得到电离层参数。由于本发明能够在不建立发射站的基础上，利用现有的广播电台作为发射站，因此降低了电离层参数的获取成本。此外，由于采用了遗传算法进行反演，确保了电离层参数的搜索结果为全局最优结果，从而提高了反演结果的精度，进而提高了电离层参数的获取准确度。
-
公开(公告)号：CN119484050A
公开(公告)日：2025-02-18
申请号：CN202411544778.9
申请日：2024-10-31
Applicant: 武汉工程大学
IPC: H04L9/40 , G06N3/0464
Abstract: 本发明提供一种基于树状卷积神经网络的攻击入侵检测方法及系统，该方法包括：使用时间窗口将从数据集的网络流量轨迹中提取的数据包流进行分流后转换为数组结构；将数组结构的数据包流输入树状卷积神经网络中，得到网络攻击类别；树状卷积神经网络通过使用训练集进行训练得到，训练集包括数据流样本和数据流样本对应的实际网络攻击类别。本发明通过对数据流进行预处理，使用时间窗口将提取的数据包流进行分流，便于有效捕捉数据的层次关系和结构特征；使用树状卷积神经网络进行攻击入侵检测，可以对抗不断变化的攻击模式和多样化的攻击类型，在更新学习新型攻击模式的同时，保持对已知攻击类型的检测能力，实现高效且可靠的网络攻击检测。
-
公开(公告)号：CN119251244A
公开(公告)日：2025-01-03
申请号：CN202411503628.3
申请日：2024-10-25
Applicant: 武汉工程大学
IPC: G06T7/11 , G06T7/00 , G06N3/045 , G06V10/42 , G06V10/44 , G06V10/46 , G06N3/0464 , G06V10/80 , G06N3/048 , G06N3/09
Abstract: 本发明提供一种息肉分割方法及装置，该方法包括：使用金字塔视觉Transformer模型PVT提取息肉图像的全局特征，使用卷积神经网络U‑Net提取所述息肉图像的局部特征，使用融合模块将所述全局特征和局部特征进行融合；使用多尺度增强模块通过空间注意力机制对所述融合模块的融合结果进行处理以逐层强调空间信息，并利用解码模块对处理结果进行解码；使用边界增强模块通过空洞卷积和注意力机制对所述融合模块的融合结果进行处理以强调边界信息，并将所述边界增强模块的处理结果与所述解码模块的解码结果进行融合后再次解码，得到所述息肉图像的分割结果。本发明提高息肉分割的准确性和效率。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.027 seconds)
