-
公开(公告)号：CN119722438A
公开(公告)日：2025-03-28
申请号：CN202411747070.3
申请日：2024-12-02
Applicant: 西北工业大学
Abstract: 本申请公开了一种基于语义对齐的图像风格迁移方法、装置、介质和设备，通过获取风格图像和内容图像，利用预构建的风格迁移网络处理风格图像和所述内容图像，得到风格化图像，其中，风格迁移网络包括编码模块、解码模块、第一风格注意模块、第二风格注意模块，第一自适应解耦模块、第二自适应解耦模块、第一动态风格调制核模块和第二动态风格调制核模块，输出所述风格化图像，通过风格注意模块将内容图的特征映射到风格图的内容特征之间建立映射关系，引入基于内容的动态风格调制核模块对映射矩阵进行调整，同时使用自适应解耦模块实现内容与风格的显式解耦，从而实现语义、风格更加和谐的图像风格迁移效果。
-
公开(公告)号：CN112598706B
公开(公告)日：2024-02-02
申请号：CN202011517068.9
申请日：2020-12-21
Applicant: 西北工业大学
Abstract: 本发明提供了一种无需精确时空同步的多相机运动目标三维轨迹重建方法，部署多相机视角的多台相机及运算器构成的装置并标定相机，观测运动目标并记录运动目标的运动轨迹，粗对齐观测数据时间轴，移除无效观测点，标定各相机的时间同步参数和运动参数，重建三维运动轨迹并进行优化。本发明无需使用特殊标识物对运动目标进行标识，无需对观测设备进行预先标定，无需精确的多相机时空同步即可实现多相机运动目标三维轨迹重建，能够自动对标定信息和时空同步信息进行优化，以实现更精确的多相机运动目标三维轨迹重建。
-
公开(公告)号：CN116416284A
公开(公告)日：2023-07-11
申请号：CN202310060721.0
申请日：2023-01-17
Applicant: 西北工业大学
IPC: G06T7/30 , G06T3/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于代价体的异源图像配准方法及装置，获取参考图像和模板图像；通过U‑Net网络分别提取参考图像的第一特征图和模板图像的第二特征图；基于L组预定旋转尺度参数对第二特征图进行仿射变换，得到与第二特征图对应的L个第三特征图；以第三特征图作为三维卷积核、第一特征图为三维输入信号进行傅里叶卷积，得到L个相位相关图；根据L个相位相关图构造代价体计算参考图像和模板图像之间的旋转参数、尺度参数和平移参数；本发明通过U‑Net网络提取参考图像和模板图像的特征图，再对提取得到的特征图进行仿射变换，结合傅里叶卷积生成相位相关图，可以降低异源图像配准的计算量，减少配准时间。
-
公开(公告)号：CN115170846A
公开(公告)日：2022-10-11
申请号：CN202210773065.4
申请日：2022-06-30
Applicant: 西北工业大学
IPC: G06V10/75 , G06V20/64 , G06V10/44 , G06V10/82 , G06V10/774
Abstract: 本发明涉及一种端到端学习的基于硬匹配的三维点云配准方法，本发明提出学习一个部分置换匹配矩阵来建立点匹配，它不会将对应点分配给异常值，并实施硬匹配以防止歧义。从软匹配到硬匹配的模块，其求解软匹配矩阵，并将该软矩阵投影到部分置换矩阵。在硬匹配之前增广收益矩阵以求解增广的置换矩阵，然后裁剪该矩阵以实现最终的部分置换矩阵。为了保证端到端的学习，本发明监督得到的部分置换矩阵，但将梯度传播到软匹配矩阵。因此，所设计的S2H匹配同时保证了端到端学习和硬匹配。3，本发明中的S2H匹配模块可以轻松与现有点云注册框架相集成以提升配准性能。通过在大量测试验证了本发明，其在鲁棒3D点云配准任务中实现了最先进的性能。
-
公开(公告)号：CN116403011A
公开(公告)日：2023-07-07
申请号：CN202310071993.0
申请日：2023-02-01
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于SAR‑Optical图像匹配的有效数据样本群的建立方法，获取SAR图像和光学遥感图像对；对SAR图像和光学遥感图像对进行矩形模板区域匹配，匹配中不需要人工使用肉眼对待测数据进行选择，减少了人工筛选分类错误的同时，提高了数据集制作效率，降低了时间和人力成本，并且更能适应目前基于深度学习的匹配算法；最后，对筛选出的所有有效SAR图像和光学遥感图像对进行校准对齐，生成基于SAR‑Optical图像匹配的有效数据样本群，并通过阈值法去除无效数据，保留有效数据，提高数据的有效性，解决如何自动生成有效数据集，减小人工数据处理成本的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN116188547A
公开(公告)日：2023-05-30
申请号：CN202310061058.6
申请日：2023-01-17
Applicant: 西北工业大学
IPC: G06T7/33 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于相位相关计算的异源图像配准方法及装置，分别提取模板图像的第一特征图S1和参考图像的第二特征图S2；根据S1确定通道信息KP1；根据S2确定通道信息KP2；根据KP1和KP2生成相位相关图RS；根据RS确定模板图像和参考图像之间的旋转参数r和尺度参数s；基于r、s、S1的剩余通道信息L1和S2的剩余通道信息L2计算模板图像和参考图像之间的平移参数(x,y)；本发明通过提取模板图像和参考图像的特征图，再将特征图分通道进行处理，可以一次性计算出模板图像和参考图像的旋转参数、尺度参数和平移参数，减少了计算量，降低了计算的冗余，可适用于小显存空间的设备，降低对设备性能的要求，提升了实时性。
-
公开(公告)号：CN115278054A
公开(公告)日：2022-11-01
申请号：CN202210726715.X
申请日：2022-06-23
Applicant: 西北工业大学
Abstract: 本发明涉及一种从卷帘快门图像恢复高帧率全局快门视频的方法，为了克服现有技术的不足，本发明提出了卷帘快门图像校正问题的内在几何模型：在匀速运动模型下，建模了去除卷帘快门畸变的双向卷帘快门去畸变流；然后，通过简单的缩放操作建立了连续帧之间的光流和对应于任意扫描线的去畸变流之间的几何联系；进而，建立了对应于不同扫描线的不同去畸变流之间的相互转换机制。本发明方法基于CMOS相机获取的连续两帧卷帘快门图像数据，通过将上述的几何模型有机地融合到深度学习网络中，可以逆转卷帘快门成像机制，同时实现去卷帘伪影与图像时间超分辨，比较适用于采用CMOS相机的手机拍摄、无人机拍摄、计算摄影等实际应用中。
-
公开(公告)号：CN114245007A
公开(公告)日：2022-03-25
申请号：CN202111481413.2
申请日：2021-12-06
Applicant: 西北工业大学
Abstract: 本发明公开了一种高帧率视频合成方法、装置、设备和存储介质，获取一帧图像和以该图像采集时刻到截止时刻的一段不定数量的事件序列；将事件序列拆分成设定份数；将每份事件数据流表示为能够作为网络输入数据的表示形式；图像和第一个事件表示输入至隐帧合成模型，经由该模型中连接在一起的多个模块的运算，模型输出合成的图像帧，作为合成的高帧率视频中除输入图像外的第一帧；重复上一步骤，将剩余的事件表示按照顺序分别输入至隐帧合成模型中，模型输出的多帧图像帧按照顺序合并作为高帧率视频合成结果。本发明方法基于高分辨率传统彩色快门相机图像数据，结合使用仿生视觉传感器的事件数据，将两种传感器优势互补，进而实现高帧率高质量的视频合成。
-
公开(公告)号：CN112598021A
公开(公告)日：2021-04-02
申请号：CN202011357356.2
申请日：2020-11-27
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于自动机器学习的图结构搜索方法，如下：步骤S1、从输入的图像或者视频中，按照时间先后顺序顺次提取每一帧图像中的图结构的节点信息，节点信息和边形成拓扑结构图序列Gt，Gt＝(Vt，Et)；上述各帧图像中的边构成一个边集Et＝{vtivtj|(i,j)∈H}；步骤S2、将边集Et和连接权重构建邻接矩阵W＝{Wij|i，j＝1,…,N}。初始化邻接矩阵，得初始化后的邻接矩阵W1。步骤S3、得训练后的邻接矩阵W2；由邻接矩阵W2得超参数邻接矩阵W3，超参数邻接矩阵W3和节点集Vt形成高鲁棒性拓扑图结构。通过搜索整个样本集学习得到一种高鲁棒性图结构，将图卷积中的权重矩阵扩大到整个拓扑图结构。
-
公开(公告)号：CN119323670A
公开(公告)日：2025-01-17
申请号：CN202411445595.1
申请日：2024-10-16
Applicant: 西北工业大学
IPC: G06V10/25 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/0499 , G06N3/09
Abstract: 本发明公开了一种基于深度学习的点云显著目标识别方法，涉及点云显著目标识别技术领域，其技术要点包括：(1)对训练数据进行预处理，包括点云坐标的归一化，加入噪声点；(2)对点云进行体素化并获得稀疏体素数据。(3)构建一个稀疏卷积U形神经网络模型；(4)利用基于距离信息加权的改进型Dice Loss和Cross‑Entropy Loss构建网络的损失函数；(5)通过训练数据集对构建的网络进行训练；(6)用训练好的网络预测测试数据集中的显著目标。本发明是一种优化点云显著目标边缘的方法，可以有效解决目前点云中显著目标识别任务中存在的边缘模糊问题，快速精准识别分割出点云中的显著目标，有效提升了点云显著目标的分割精度及效率。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.024 seconds)
