-
公开(公告)号：CN118982797A
公开(公告)日：2024-11-19
申请号：CN202410998743.6
申请日：2024-07-24
Applicant: 海南大学
IPC: G06V20/54 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本申请属于车辆重新识别领域，具体公开了一种基于遥感图像的车辆识别方法、装置及电子设备，方法包括：获取车辆待识别的遥感图像；将所述遥感图像输入到训练好的识别模型中，得到所述遥感图像的识别结果；其中，所述识别模型是利用残差网络和空间注意力网络建立的，所述识别模型通过对遥感图像样本进行特征图提取、部分多样性正则化以及部分一致性正则化以确定正则化约束，根据所述正则化约束和模型训练损失确定综合损失函数，并利用综合损失函数对模型进行端到端的训练得到。通过本申请，可提高车辆识别的准确性和效率。
-
公开(公告)号：CN113870281B
公开(公告)日：2025-03-14
申请号：CN202111090101.9
申请日：2021-09-17
Applicant: 海南大学
IPC: G06T7/11 , G06N3/045 , G06N3/08 , G06N3/0464
Abstract: 本发明提供一种基于金字塔机制的遥感影像海洋与非海区域分割方法，所述方法包括下列步骤：获取高分遥感图像，并对所述高分遥感图像进行裁剪，并绘制相对应的海陆分割真值图；将裁剪后的高分遥感图像依次进行分块以及图像刚性变换，并基于变换结果划分训练集以及测试集；建立金字塔机制融合神经网络，将训练集中的数据输入金字塔机制融合神经网络进行学习训练获得海洋与非海区域分割模型；将所述测试集中的数据输入金字塔机制融合神经网络中，得到遥感图像海陆分割结果。
-
公开(公告)号：CN114998632A
公开(公告)日：2022-09-02
申请号：CN202210539711.0
申请日：2022-05-17
Applicant: 海南大学
IPC: G06V10/762 , G06V10/764 , G06V10/74 , G06V10/36 , G06V10/30 , G06T7/11 , G06T5/00 , G06K9/62
Abstract: 本发明公开一种基于像素聚类的RVIN检测和去除的方法，包括如下步骤：基于像素点的灰度距离相似性进行聚类分割，将受损图像中的所有像素分成K类；计算像素的LCI值并基于LCI值确定所述像素所处区域，所述区域包括平坦区域和细节区域，再通过迭代求解获取每类像素的最优检测阈值，根据像素的LCI值和最优检测阈值判断所述像素是否为噪声像素；针对平坦区域和细节区域的噪声像素分别采用LCI加权均值滤波器和边缘方向滤波器来恢复被随机值脉冲噪声损坏的像素。本发明提出的噪声检测器和滤波器具有很高的鲁棒性和泛化性，在自然图像和医学图像的RVIN去除中均取得了显著的效果，特别是在高噪声水平上效果更优。
-
公开(公告)号：CN114998632B
公开(公告)日：2023-10-24
申请号：CN202210539711.0
申请日：2022-05-17
Applicant: 海南大学
IPC: G06V10/762 , G06V10/764 , G06V10/74 , G06V10/36 , G06V10/30 , G06T7/11 , G06T5/00
Abstract: 本发明公开一种基于像素聚类的RVIN检测和去除的方法，包括如下步骤：基于像素点的灰度距离相似性进行聚类分割，将受损图像中的所有像素分成K类；计算像素的LCI值并基于LCI值确定所述像素所处区域，所述区域包括平坦区域和细节区域，再通过迭代求解获取每类像素的最优检测阈值，根据像素的LCI值和最优检测阈值判断所述像素是否为噪声像素；针对平坦区域和细节区域的噪声像素分别采用LCI加权均值滤波器和边缘方向滤波器来恢复被随机值脉冲噪声损坏的像素。本发明提出的噪声检测器和滤波器具有很高的鲁棒性和泛化性，在自然图像和医学图像的RVIN去除中均取得了显著的效果，特别是在高噪声水平上效果更优。
-
公开(公告)号：CN116912145A
公开(公告)日：2023-10-20
申请号：CN202310940783.0
申请日：2023-07-27
Applicant: 海南大学
Abstract: 本发明提供一种融入语义及注意力的多分支多尺度医学图像融合方法，包括步骤：S101、输入图像处理：对输入的两模态图像进行处理，使其满足网络输入端要求，两模态图像包括CT图像和MRI图像；S102、初步特征获取：通过卷积及激活函数获得输入图像的表层特征；S103、特征提取及重建：通过融合网络对图像特征进行提取，并根据所提取的特征重建图像特征，融合网络由三分支特征提取网络和多尺度特征重建网络组成；S104、后处理及保存：将重建后的图像特征处理为最终图像，将最终图像保存到指定位置，所述方法获得的融合图像具有较高质量，在多项数值评价指标中均获得了较好的结果，具有良好的综合性能。
-
Patent Agency Ranking
公开(公告)号：CN112419190B
公开(公告)日：2023-06-20
申请号：CN202011325028.4
申请日：2020-11-24
Applicant: 海南大学
Abstract: 本发明提供一种基于局部统计信息和几何距离的脉冲噪声滤波方法，所述方法具体包括以下步骤：S1：对待测图像的所有噪声像素进行滤波处理，获得滤波后的图像；S2：判断滤波后的图像是否符合判断规则，若不符合则重新获取滤波后的图像。通过以上的步骤可以对噪声像素的图像进行滤波去噪，得到更加干净的像素。
-
公开(公告)号：CN114266795A
公开(公告)日：2022-04-01
申请号：CN202111083141.0
申请日：2021-09-15
Applicant: 海南大学
Abstract: 本发明提供一种基于金字塔池化U型网络的遥感图像海陆分割方法，包括下列步骤：获取高分遥感图像，对所述高分遥感图像进行裁剪，并绘制相对应的海陆分割真值图；将裁剪后的高分遥感图像依次进行分块以及图像刚性变换，并基于变换结果划分训练集以及测试集；建立金字塔U型卷积神经网络，将训练集输入金字塔U型卷积神经网络进行学习训练获得高分遥感影像海陆分割模型；将所述测试集中的数据输入金字塔U型卷积神经网络中，得到遥感图像海陆分割结果。
-
公开(公告)号：CN112446838B
公开(公告)日：2024-07-12
申请号：CN202011338644.3
申请日：2020-11-24
Applicant: 海南大学
IPC: G06T5/70
Abstract: 本发明提供一种基于局部统计信息的图像噪声检测方法、装置，其技术方案包括下列步骤：S1、计算待测图像中每个像素的局部统计信息值；S2、判断待测图像中每个像素处于平坦区域还是复杂区域；S3、计算平坦区域的第一噪声检测阈值，计算复杂区域的第二噪声检测阈值；S4、在某一像素处于平坦区域且该像素的局部统计信息值小于第一噪声检测阈值的情况下，将该像素判定为噪声像素，否则为干净像素；在某一像素处于复杂区域且该像素的局部统计信息值小于第二噪声检测阈值的情况下，将该像素判定为噪声像素，否则为干净像素。
-
公开(公告)号：CN118351005A
公开(公告)日：2024-07-16
申请号：CN202410540723.4
申请日：2024-04-30
Applicant: 海南大学
Abstract: 本发明提供一种构建分布式红外与可见光图像融合框架的方法，所述方法包括S1、构建分布式融合网络，分布式融合网络用于根据源图像进行图像的特征提取与融合处理，其中源图像包括可见光图像和红外图像；S2、设计知识蒸馏损失，并将知识蒸馏损失引入融合网络中；S3、设计内容损失，并将内容损失引入融合网络中；S4、构建无监督语义分割网络，用于与分布式融合网络级联，以获取融合图像的语义分割数据并指导无监督语义分割网络的训练。本发明通过设计特定的网络结构、知识蒸馏损失和内容损失，使得融合图像保留了红外图像中的热辐射信息和可见光图像中的纹理信息；同时，引入无监督语义分割网络与融合网络级联，提升融合图像中包含的语义信息。
-
公开(公告)号：CN116958005A
公开(公告)日：2023-10-27
申请号：CN202310941029.9
申请日：2023-07-28
Applicant: 海南大学
IPC: G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/094
Abstract: 本发明提供一种自适应阶导向融合和多分辨率判别器的遥感图像融合方法，主要包括步骤：构建时空融合数据集和空谱融合数据集；确定自适应阶层；双向自适应阶特征提取；自适应阶渐进式注意力导向融合；构建自适应阶分辨率U型判别器；构建复合损失函数对模型进行优化；使用批量数据同时对生成器和多分辨率U型判别器进行训练，并使用Adam优化器对集成融合模型进行优化，得到最优模型并冻结；使用最优模型对测试数据进行空谱融合和时空融合生成高分辨率图像，本发明构建的集成融合模型既能实现空谱融合又能实现时空融合，实现了多任务的高分辨率图像的生成，并提高了融合精度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.021 seconds)
