-
公开(公告)号：CN113240583A
公开(公告)日：2021-08-10
申请号：CN202110395719.X
申请日：2021-04-13
Abstract: 本发明公开了一种基于卷积核预测的图像超分辨方法。本发明包括以下步骤：1选取多幅原始图像，对每幅原始图像进行处理获得对应的短焦图像和长焦图像，将所有原始图像与对应的短焦图像和长焦图像作为训练集；2建立卷积核预测神经网络；3将训练集输入卷积核预测神经网络进行训练，获得训练后的卷积核预测神经网络；4同一时刻下，利用双焦相机的长焦镜头和短焦镜头在同光轴下分别进行拍摄获得待修复的长焦图像和短焦图像，将待修复的长焦图像和短焦图像输入到训练后的卷积核预测神经网络，获得修复后的超分辨图像。本发明基于数字图像超分辨的要求，通过长短焦映射和卷积核预测实现了高倍率的数字图像超分辨。
-
公开(公告)号：CN113240583B
公开(公告)日：2022-09-16
申请号：CN202110395719.X
申请日：2021-04-13
Abstract: 本发明公开了一种基于卷积核预测的图像超分辨方法。本发明包括以下步骤：1选取多幅原始图像，对每幅原始图像进行处理获得对应的短焦图像和长焦图像，将所有原始图像与对应的短焦图像和长焦图像作为训练集；2建立卷积核预测神经网络；3将训练集输入卷积核预测神经网络进行训练，获得训练后的卷积核预测神经网络；4同一时刻下，利用双焦相机的长焦镜头和短焦镜头在同光轴下分别进行拍摄获得待修复的长焦图像和短焦图像，将待修复的长焦图像和短焦图像输入到训练后的卷积核预测神经网络，获得修复后的超分辨图像。本发明基于数字图像超分辨的要求，通过长短焦映射和卷积核预测实现了高倍率的数字图像超分辨。
-
公开(公告)号：CN111951177B
公开(公告)日：2022-10-11
申请号：CN202010645997.1
申请日：2020-07-07
Applicant: 浙江大学
Abstract: 本发明公开了一种基于图像超分辨损失函数的红外图像细节增强方法。采用基于深度学习的红外图像超分辨网络对图像的特征进行提取，将提取的特征用来描述红外图像的主要信息，构建损失函数对基于深度学习的红外图像超分辨网络进行训练，然后再利用训练后的红外图像超分辨网络进行图像特征提取，得到红外超分辨图像。本发明能减小超分辨图像与真实红外图像高层特征之间的差异，从而提高图像超分辨的效果。
-
公开(公告)号：CN119437269A
公开(公告)日：2025-02-14
申请号：CN202411359050.9
申请日：2024-09-27
Applicant: 浙江大学
IPC: G01C21/34
Abstract: 本发明涉及多智能体协同规划技术领域，具体公开了一种多智能体高效协同路径规划方法，包括系统初始化步骤、候选点集合扩充步骤、AStar算法路径规划步骤、任务执行监控步骤、候选点列表更新步骤、MILP目标点选择步骤、过渡目标点选择步骤和路径规划完成步骤，本发明能够综合考虑任务区域、智能体的初始位置、速度限制、目标位置坐标、障碍区域以及最少执行次数指标等因素，规划出各智能体的最优路径。通过合理的任务分配和障碍规避策略，确保智能体能够高效、安全地完成既定任务，在路径长度、任务完成时间和计算时间等关键性能指标上均优于传统方法。
-
公开(公告)号：CN110852947B
公开(公告)日：2021-07-20
申请号：CN201911046112.X
申请日：2019-10-30
Applicant: 浙江大学
Abstract: 本发明公开了一种基于边缘锐化的红外图像超分辨方法。利用红外摄像机获得红外图像，建立红外超分辨神经网络结构，网络包括图像处理和图像边缘处理两个子网络，针对于输入网络的红外图像，图像处理网络主要用于恢复图像的结构信息，边缘处理网络用于恢复图像的细节边缘信息；其中图像处理网络分为两个阶段，第一阶段实现红外图像去噪并且实现图像的结构信息恢复，第二阶段实现图像超分辨并实现更多的图像细节结构信息恢复。本发明基于数字红外图像超分辨的要求，通过图像结构和边缘信息的分别处理实现了高倍率的红外图像超分辨。
-
Patent Agency Ranking
公开(公告)号：CN110378850B
公开(公告)日：2021-03-30
申请号：CN201910614810.9
申请日：2019-07-09
Applicant: 浙江大学
Abstract: 本发明公开了一种结合块匹配和神经网络的变焦图像生成方法。同一时刻利用双焦相机的长焦镜头和短焦镜头在同光轴下分别对同一拍摄场景或对象进行拍摄获得长焦图像和短焦图像；建立Unet神经网络结构，Unet神经网络结构包括卷积部分和解卷积部分，长焦图像和短焦图像均输入到卷积部分进行图像特征提取，从而获得长焦图像和短焦图像的高频细节特征结构；采用块匹配算法将长焦图像和短焦图像的高频细节特征结构进行匹配融合得到一张级联图像；级联图像再输入Unet神经网络结构的解卷积部分中进行重建，得到变焦图像。本发明基于数字图像连续变焦的要求，通过图像裁剪和图像解卷积的结构实现了数字图像任意倍率的连续变焦。
-
公开(公告)号：CN118466486A
公开(公告)日：2024-08-09
申请号：CN202410512625.X
申请日：2024-04-26
Applicant: 浙江大学
Abstract: 本发明公开了一种基于分层搜索的多无人车构型保持协作运动规划方法，本发明通过分层搜索算法，在不涉及到具体编队控制的前提下实现了构型约束下的多无人车的运动规划，生成具有构型约束的无碰撞的运动学可行的路径，此路径能够在真实世界中有非常好的应用，同时构型形状、构型无人车数量可以任意指定，且可以实现构型变换、构型保持、构型分散、构型单车混合规划等多种功能，本发明搜索过程中加入了朝向角相同约束，具有朝向角尽量保持一致的特性，在探索的过程中可以尽可能让队里的无人车的朝向保持一致，防止出现无人车掉队、朝向偏差过大难以维持构型、搜索过程中信息检索不完全等情况，算法普适性强。
-
公开(公告)号：CN117265136A
公开(公告)日：2023-12-22
申请号：CN202311492334.0
申请日：2023-11-09
Applicant: 浙江大学
IPC: C12Q1/6888 , C12Q1/6851 , C12N15/113 , C12N15/11
Abstract: 本发明提供了一种用于检测弓首蛔虫感染的miRNA标志物、引物、试剂盒及应用，属于分子生物学技术领域。本发明基于弓首蛔虫肝‑肺移行过程中释放至宿主血液中的循环外泌体miRNA，设计实时荧光定量PCR扩增引物，通过同时检测血液中宿主与弓首蛔虫外泌体特异性miRNA靶标分子，从而实现肝‑肺移行期弓首蛔虫感染的检测。本发明克服了非特异性宿主中弓首蛔虫感染无法进行粪便学检查、肝肺组织活检侵入性大、漏检率高等缺点，可以高特异性、高灵敏度地检测肝‑肺移行期的弓首蛔虫病原。
-
公开(公告)号：CN111932452A
公开(公告)日：2020-11-13
申请号：CN202010646515.4
申请日：2020-07-07
Applicant: 浙江大学
Abstract: 本发明公开了一种基于可见光图像增强的红外图像卷积神经网络超分辨方法。利用红外可见光双分辨相机拍摄得到场景的红外图像和可见光图像，形成红外-可见光图像对，并处理得到训练集；以训练集迭代训练初始化后的卷积神经网络模型，直至迭代次数达到预设次数，卷积神经网络模型训练完毕，将红外相机拍摄到的红外图像输入训练后的卷积神经网络模型，得到超分辨的红外图像。本发明利用了可见光图像的信息，解决了超分辨过程中红外图像细节不丰富的问题，超分辨后的红外图像有更好的细节表现能力，卷积神经网络模型的鲁棒性强。
-
公开(公告)号：CN110378850A
公开(公告)日：2019-10-25
申请号：CN201910614810.9
申请日：2019-07-09
Applicant: 浙江大学
Abstract: 本发明公开了一种结合块匹配和神经网络的变焦图像生成方法。同一时刻利用双焦相机的长焦镜头和短焦镜头在同光轴下分别对同一拍摄场景或对象进行拍摄获得长焦图像和短焦图像；建立Unet神经网络结构，Unet神经网络结构包括卷积部分和解卷积部分，长焦图像和短焦图像均输入到卷积部分进行图像特征提取，从而获得长焦图像和短焦图像的高频细节特征结构；采用块匹配算法将长焦图像和短焦图像的高频细节特征结构进行匹配融合得到一张级联图像；级联图像再输入Unet神经网络结构的解卷积部分中进行重建，得到变焦图像。本发明基于数字图像连续变焦的要求，通过图像裁剪和图像解卷积的结构实现了数字图像任意倍率的连续变焦。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.045 seconds)
