-
公开(公告)号：CN119211740A
公开(公告)日：2024-12-27
申请号：CN202411250604.1
申请日：2024-09-06
Applicant: 西北工业大学
IPC: H04N23/741 , H04N23/95 , H04N23/60 , G06V10/40 , G06N3/0464 , G06V10/82 , G06V10/80
Abstract: 本发明公开了基于渐进生成网络的高动态范围成像方法。其中，该方法包括：构建渐进生成网络，其中，渐进生成网络包括：伪静态低动态范围生成网络和细节引导高动态范围生成网络；获取多个低动态范围图像，其中，多个低动态范围图像分别为参考帧图像和非参考帧图像；通过伪静态低动态范围生成网络对多个低动态范围图像进行处理，生成非参考帧图像对应的初始伪静态低动态范围图像；将初始伪静态低动态范围图像和参考帧图像输入至细节引导高动态范围生成网络，输出高动态范围图像。本发明解决了现有技术处理HDR成像中的大幅运动引起的鬼影问题时，准确度不足且细节损失的技术问题。
-
公开(公告)号：CN117095172A
公开(公告)日：2023-11-21
申请号：CN202311159231.2
申请日：2023-09-09
Applicant: 西北工业大学
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于内外部蒸馏的持续语义分割方法，首先利用特征的统计信息对新旧模型进行内部蒸馏，对于不同尺度特征的外部蒸馏，采用多尺度卷积注意力来捕获不同尺度特征之间的关系，最终通过解码器上采样得到分割图像。本发明的方法更符合现实需要，能够保留学过的知识并学习新知识从而达到持续进行语义分割的目的。
-
公开(公告)号：CN116563100A
公开(公告)日：2023-08-08
申请号：CN202310353790.0
申请日：2023-04-05
Applicant: 西北工业大学
IPC: G06T3/40 , G06N3/0464 , G06N3/048 , G06N3/088
Abstract: 本发明公开了一种基于内核引导网络的盲超分辨率重建方法，首先将图像块输入降尺度生成器得到下采样图像和内核，然后将另一个图像块和下采样图像同时输入鉴别器；接着将下采样图像和内核同时输入升尺度生成器，最后得到超分辨重建后的图像。本发明可以捕获方向信息并提高生成图像的准确性。此外，从而生成高质量的高分辨率图像。
-
公开(公告)号：CN120013834A
公开(公告)日：2025-05-16
申请号：CN202510079923.9
申请日：2025-01-18
Applicant: 西北工业大学
IPC: G06T5/90 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于色彩空间变换的低照度图像增强方法。该方法包括：获取初始低照度图像，对初始低照度图像进行预处理，得到初始低照度图像的强度图；根据初始低照度图像的强度图，生成饱和度图；基于饱和度图、初始低照度图像的强度图和初始低照度图像，生成色调图；对色调图进行处理，得到色调图的水平轴集合和垂直轴集合；设置初始低照度图像的强度图的自适应强度坍缩函数。本发明解决了现有技术将低照度图像转换为正常照度图像转换准确度低的技术问题。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN119888207A
公开(公告)日：2025-04-25
申请号：CN202510369335.9
申请日：2025-03-27
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于时空高阶属性超图的大视场相机空间目标关联方法，包括：利用大视场相机获取大视场图像序列，提取每一帧大视场图像对应的静态属性集合；基于前三帧大视场图像构建属性超图，通过时空属性关联模块确定对应于每个属性超图的潜在目标关联匹配矩阵，确定第三帧大视场图像的高阶时空属性；对于第三帧以后的每一帧大视场图像，基于前一帧大视场图像的高阶时空属性构建推理超图，并确定当前帧大视场图像的高阶时空属性；以推理超图作为输入，利用时空推理模型实现相邻帧大视场图像潜在目标关联匹配矩阵的预测，利用潜在目标关联匹配矩阵实现目标的持续关联与分类；本发明能更好地适配多目标群的特征提取与关联需求。
-
公开(公告)号：CN117689532A
公开(公告)日：2024-03-12
申请号：CN202311581631.2
申请日：2023-11-24
Applicant: 西北工业大学
IPC: G06T3/04 , G06T5/70 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于扩散模型的图像风格迁移方法，首先使用CLIP图像编码器和注意力机制获取风格图像的文本嵌入，并对文本嵌入进行样式迁移，以获得更精准的风格图像的语义表示。然后对内容图像进行扩散模型的正向过程，并在反向过程中加入风格图像的文本嵌入。本发明在反向过程中提出了一种混合去噪模块，其中有两个U‑Net模块，任务分别是维持内容图像的结构特征和生成风格图像的艺术风格。该方法旨在确保风格图像迁移的精确性，同时结合了内容和风格图像的语义和视觉特征，生成风格迁移图像。本发明方法能够解决生成对抗网络可能导致模糊或伪像的问题，并克服了训练过程中梯度消失和模式崩溃等困难挑战。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
