-
公开(公告)号：CN119919648A
公开(公告)日：2025-05-02
申请号：CN202510413765.6
申请日：2025-04-03
Applicant: 西北工业大学
IPC: G06V10/25 , G06N3/0442 , G06N3/0495 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/98
Abstract: 本发明公开了一种基于在轨适配的大视场图像空间碎片检测方法，包括：获取待检测的大视场星空图像，将大视场星空图像输入到训练好的空间碎片检测模型中，得到针对大视场星空图像的目标检测结果；所述空间碎片检测模型包括耦合因素评估模块、稀疏混合专家处理模块、知识精确修正模块与检测结果输出模块；本发明通过多个模块的协同工作，利用多种不同层次的图像降质评估指标控制不同领域的专家模型以实现不同因素的有效应对，同时引入知识精确修正模块，实现更加精细的自适应处理。本发明显著提高了在复杂空间环境下的大视场探测图像的目标检测性能。
-
公开(公告)号：CN119494861A
公开(公告)日：2025-02-21
申请号：CN202411110104.8
申请日：2024-08-14
Applicant: 西北工业大学
Abstract: 本发明公开了一种由粗到精的跨尺度三维点云配准方法，从输入源点云与目标点云开始，首先使用一种全局体素结构和局部最远点采样相结合的方式对点云进行下采样，在简化点云的同时保持点云的各向同性、几何一致性；然后在采样后的点云上粗略估计尺度因子，对源点云进行变换；在粗配准阶段，通过特征提取与匹配，使用一种引导式三点采样算法，进行点云粗配准，在提高配准速度的同时，为精配准提供良好的初始位姿；在精配准阶段，使用一种尺度自适应的最近点迭代算法，每次迭代应用最优旋转后，对平移和缩放联合优化，提高算法配准精度。本发明方法无需任何训练过程，可以有效处理具有不同分辨率的跨尺度点云数据，具有强大的泛化能力。
-
公开(公告)号：CN118799429A
公开(公告)日：2024-10-18
申请号：CN202410925145.6
申请日：2024-07-11
Applicant: 西北工业大学
Abstract: 基于低频感知扩散模型的高动态范围成像方法，包括：构建低频先验提取网络，根据给定的高动态范围真值图像对低频先验提取网络预训练，使用预训练后的低频先验提取网络获得真实低频先验特征；将得到的真实低频先验特征作为扩散模型的去噪目标，训练扩散模型直接从低动态范围图像中预测低频先验特征，构建基于回归的动态图像重建网络，利用预测低频先验特征重建高动态范围图像。解决了现有技术中基于标准扩散模型范式的成像方法消耗了大量的计算资源，影响实际应用的问题。本发明利用扩散模型在潜空间中创建紧凑的低频先验特征，然后将紧凑先验分层纳入基于回归的模型，以补充预测重建图像的细节。
-
公开(公告)号：CN116668856A
公开(公告)日：2023-08-29
申请号：CN202310668292.5
申请日：2023-06-07
Applicant: 西北工业大学
IPC: H04N23/741 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08 , G06N7/01
Abstract: 本发明公开了一种基于贝叶斯神经网络的HDR成像方法，首先将输入的不同曝光的LDR图像映射到线性域中；再连接不同曝光的LDR图像与线性域中的图像，并输入特征提取器，得到特征；然后经过卷积注意力模块与卷积层得到新的特征；最后经过特征融合模块得到HDR图像。本发明能够减少网络参数，扩大感受野，使网络计算更快，性能更好。
-
公开(公告)号：CN116188306A
公开(公告)日：2023-05-30
申请号：CN202310131536.6
申请日：2023-02-17
Applicant: 西北工业大学
IPC: G06T5/00 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于局部特征和全局表示的图像去模糊方法，属于图像处理领域。该方法首先在编码器中采用了动态卷积模块提取自适应局部特征，使用较小的卷积核与层数较少的网络提取到详细信息；然后特征输入混合模块和局部增强的Transformer模块中，这两个模块可以捕获全局信息和高质量的与全局相关的局部细节；再通过解码器进行上采样，并使用监督注意力模块增强特征；之后通过跨阶段特征融合模块融合编码器与解码器的特征并指导第二阶段的编码器，因此可以自适应地从动态模糊的场景中提取有效特征，最后经过与第一阶段相同的网络得到高质量的去模糊的图像。
-
Patent Agency Ranking
公开(公告)号：CN112150531B
公开(公告)日：2022-12-09
申请号：CN202011057349.0
申请日：2020-09-29
Applicant: 西北工业大学
Abstract: 本发明提供了一种鲁棒的自监督学习单帧图像深度估计方法，首先生成单帧深度及帧间相对运动数据，然后依次计算光照鲁棒性损失函数、相对运动区域掩膜和环路一致性损失，最终得到网络最终损失函数。本发明能够有效提升自监督学习的深度估计方法在复杂场景下的鲁棒性以及学习能力，从而使得方法可以更好适应真实世界中光照变化剧烈、物体运动复杂的场景中，具有很强的应用价值。
-
公开(公告)号：CN110517197B
公开(公告)日：2022-09-09
申请号：CN201910756634.2
申请日：2019-08-16
Applicant: 西北工业大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于参数模型的单幅图像去模糊方法，用于解决现有模糊图像复原方法复原的图像效果差的技术问题。技术方案是首先利用L1正则化盲卷积去模糊方法，得到初步估计的非参数化的模糊核。将该模糊核作为参数退化耦合模型的输入，对其进行中心重定位，再用最小二乘法求解耦合模型能量最小值，并结合梯度下降法来更新参数，从而交替计算得到最终的三个参数值，根据求出的参数计算得到参数化模糊核。最后利用求得的参数化模糊核与原始模糊图像，利用约束最小二乘滤波方法进行非盲反卷积去模糊操作，得到复原图像。本发明采用基于参数模型模糊核估计方法，增加了算法鲁棒性，提高了图像去模糊性能，能很好的恢复出具有大量纹理细节的清晰图像。
-
公开(公告)号：CN114998141A
公开(公告)日：2022-09-02
申请号：CN202210642198.8
申请日：2022-06-07
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于多分支网络的空间环境高动态范围成像方法，输入存在一定运动与噪声的多帧低动态图像，经过网络处理后输出无鬼影、不含噪声的高质量高动态图像，基于深度学习的多帧高动态范围成像方法通过神经网络提取图像特征，最终生成无鬼影、无噪声的高动态范围图像。本发明解决了现有的主流高动态成像方法仍然存在的诸多技术难题，比如无法完全消除运动图像造成的鬼影，处理时忽视了图像中存在的噪声，在处理空间图像时效果不佳等问题，使网络可以处理不同区域的亮度和噪声分布，具有空域变换性，在通道维度强化有效特征，抑制存在运动目标、细节缺失的低质量区域特征，进而获得更好的去鬼影效果。
-
公开(公告)号：CN110473153B
公开(公告)日：2022-04-26
申请号：CN201910697869.9
申请日：2019-07-31
Applicant: 西北工业大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于模糊核估计迭代结构保持图像盲复原方法，该方法首先提取核估计迭代中潜在图像序列的变化特征，对相邻两次迭代的潜在图像结果进行差值计算，得到图像序列的差值结果图；根据差值结果进行阈值选择，通过对差值图像分块筛选出每个图像块内的有利结构；针对当前潜在图像的梯度图，根据筛选的结果提取图像有利结构的梯度，得到图像梯度子集；然后基于提取出的图像梯度，进行模糊核的估计，得到更准确的估计结果。本发明能很好的恢复出具有较多细节的清晰图像，实验表明，本发明所复原的图像相比原始模糊图像PSNR提升15％、SSIM提升37.3％。
-
公开(公告)号：CN111416980B
公开(公告)日：2021-10-12
申请号：CN202010437720.X
申请日：2020-05-21
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于压缩编码孔径的高分辨率相机成像方法，用于解决现有高分辨率成像方法成像分辨率较低的技术问题。技术方案是通过构建频域互补编码孔径光阑评价指标，利用模板序列进行选择、交叉、变异过程，寻找使评价指标最大的一组频域互补编码孔径模板集合，这些模板在频域之间相互互补，从而保证通过设计的不同编码孔径光阑拍摄的图像以保留场景中不同成分的高频细节信息，从而为细节信息恢复提供支撑。本发明通过优化设计一组频域互补的编码孔径组合替代传统光学系统孔径光阑处的单一高斯编码形式，不仅拓宽了相机孔径频谱范围，而且去除了编码孔径在频率响应的冗余信息，实现了在感知阶段的最大信息量图像获取，提高了图像成像分辨率。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.034 seconds)
