公开(公告)号：CN118865018A

公开(公告)日：2024-10-29

申请号：CN202410888046.5

申请日：2024-07-03

Applicant: 福州大学

Inventor： 陈丽琼 ,  刘桓贤 ,  裘兆炳 ,  白焕鑫 ,  郑舒媛

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/0985

Abstract: 本发明提供一种基于生成对抗网络的高质量红外小目标数据增广方法，通过基于图像一致性约束的生成对抗网络，将可见光图像转换成高质量的红外背景图像；再利用图像分割技术从真实红外小目标数据集中提取各类目标的高精度分布模型；然后依次使用包括尺寸变换、位移操作的图像处理方法扩充目标模型图像数量，与生成的红外背景图像结合得到合成红外小目标图像；最后利用真实的和合成的红外小目标图像训练基于局部显著性约束的分布调整模型，生成高质量的红外小目标图像数据。

公开(公告)号：CN120013762A

公开(公告)日：2025-05-16

申请号：CN202510102991.2

申请日：2025-01-22

Applicant: 福州大学

Inventor： 陈丽琼 ,  杨祥昆 ,  裘兆炳 ,  刘桓贤 ,  吴光瑞

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提出一种基于渐进式特征聚合网络的真实场景遥感图像超分辨率重建方法、系统及存储介质，所述方法包括：建立用于真实场景遥感图像超分辨率重建的渐进式特征聚合网络PFAN；建立二阶混洗随机退化模型，将作为训练样本的遥感图像按二阶混洗随机退化，得到模拟真实场景随机退化过程的低分辨率遥感图像；将退化前的遥感图像和对应的低分辨率遥感图像输入PFAN网络中进行训练；获取待重建的真实遥感图像，输入到训练好的PFAN网络进行图像重建，得到超分辨率图像。本发明通过渐进式策略聚合遥感图像的边缘细节与纹理特征，利用二阶混洗随机退化模型辅助网络学习真实场景遥感图像的复杂退化过程，从而实现更高精度的真实场景遥感图像超分辨率重建。

公开(公告)号：CN118762364A

公开(公告)日：2024-10-11

申请号：CN202410745798.6

申请日：2024-06-11

Applicant: 福州大学

Inventor： 黄峰 ,  郑舒媛 ,  裘兆炳 ,  陈丽琼 ,  王舒

IPC: G06V20/70 ,  G06V10/80 ,  G06V10/25 ,  G06V10/26 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种基于场景文本信息引导的红外小目标检测方法，将首先将描述红外图像场景的文本提示引入到现有的红外数据集中，构建文本与图像的配对数据集；然后，通过基于场景文本信息引导的红外小目标检测网络模型，利用图像编码器提取红外图像的视觉特征；利用预训练语言模型将描述场景信息的文本提示映射为嵌入向量，实现文本特征的提取；接着通过内积运算实现图像和文本信息的高层语义特征融合，并计算文本‑图像全局匹配损失引导网络对目标和背景特征分别进行建模；在上采样结构中，通过基于文本特征引导的上下文增强模块，以融合文本和图像的全局和局部特征；将上采样后的特征图经过分割模块处理得到检测结果。

公开(公告)号：CN117406770A

公开(公告)日：2024-01-16

申请号：CN202311338360.8

申请日：2023-10-17

Applicant: 福州大学

Inventor： 吴靖 ,  倪日祥 ,  黄峰 ,  裘兆炳 ,  李云祥

IPC: G05D1/46 ,  G05D1/646

Abstract: 本发明涉及一种全向无人机自主识别跟踪系统及方法，该系统包括：探测模块，包括全向探测单元和指向式目标识别单元，用于实现无人机目标的多尺度图像采集；全向探测单元由多台广角相机组成，用于获取全向图像；指向式目标识别单元包括高分辨相机和云台伺服机构，用于实现高分辨相机对目标的指向跟踪，获取高分辨率图像；计算控制模块，包括算法控制、存储决策和伺服控制单元；算法控制单元用于对输入图像的目标识别、锁定和定位；存储决策单元用于生成目标锁定信号；伺服控制单元用于在目标判别和目标锁定过程中分别实现云台控制。本发明通过全向探测单元与高分辨相机配合工作，不仅可以实时探测、跟踪强机动性目标，且探测范围广、识别精度高。

公开(公告)号：CN117392164A

公开(公告)日：2024-01-12

申请号：CN202311393400.9

申请日：2023-10-25

Applicant: 福州大学

Inventor： 陈丽琼 ,  吴桐 ,  黄峰 ,  裘兆炳 ,  郑舒媛

IPC: G06T7/136 ,  G06V10/40 ,  G06V10/762

Abstract: 本发明提供一种基于鲁棒无监督多特征表示的红外小目标检测方法，通过设计基于鲁棒无监督聚类的模型提高特征提取准确性，并通过融合像素级局部对比度、分布和方向梯度等多特征提高特征表示能力，从而进一步提升检测精度。实现的技术方案是：1）设计三层滤波窗结构，快速计算各像素的中心加权局部对比度；2）利用阈值分割，提取候选目标；3）构建基于鲁棒无监督聚类的模型从复杂背景中提取目标特征；4）对候选目标进行像素级多特征表示；5）利用自适应阈值分割提取目标，得到最终的检测结果。该方法准确挖掘红外小目标与背景杂波之间的特性差异，能有效提高目标增强和背景抑制能力，进一步提升红外小目标检测算法的性能。