公开(公告)号：CN119559052A

公开(公告)日：2025-03-04

申请号：CN202411639674.6

申请日：2024-11-18

Applicant: 重庆邮电大学

Inventor： 王诗言 ,  唐佳佳 ,  杨灿 ,  唐嘉 ,  郭大川

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于动态尺度频域卷积的遥感图像任意尺度超分辨率方法，包括构建并训练任意尺度超分辨率网络模型，获取待处理图像输入训练完成的任意尺度超分辨率网络模型得到重建图像；所述任意尺度超分辨率网络模型包括特征提取模块、动态尺度频域特征学习模块、跨尺度非局部上采样模块和MFGLIF模块；本发明能提高网络恢复缺失结构和纹理细节的能力以及处理坐标与信号值映射不连续的能力。

公开(公告)号：CN119624811A

公开(公告)日：2025-03-14

申请号：CN202411772314.3

申请日：2024-12-04

Applicant: 重庆邮电大学

Inventor： 王诗言 ,  杨灿 ,  唐佳佳 ,  唐嘉 ,  郭大川

IPC: G06T5/60 ,  G06T5/73 ,  G06V10/40 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/0464

Abstract: 本发明公开了一种基于残差信道先验引导的多尺度Transformer图像去雨方法，包括：获取有雨图像，将其输入训练后的图像去雨处理网络中，得到去雨后的图像。该图像去雨处理网络的训练过程包括：获取有雨图像样本及其对应的真实无雨图像；利用残差通道先验提取模块提取有雨图像样本的先验特征图；利用上下文特征提取模块对有雨图像样本提取特征，得到不同尺度上雨纹的浅层特征；对其进行特征融合得到第一综合特征图；利用L个递归Transformer提取模块RSTM对第一综合特征图进行处理得到去雨后的图像；计算去雨后的图像与输入有雨图像样本所对应的真实无雨图像之间的损失，通过该损失反向传播优化网络参数。本发明能够从不同方向和尺度去除雨纹，使去雨图像更加符合真实图像。

公开(公告)号：CN119559051A

公开(公告)日：2025-03-04

申请号：CN202411639455.8

申请日：2024-11-18

Applicant: 重庆邮电大学

Inventor： 王诗言 ,  唐佳佳 ,  杨灿 ,  唐嘉 ,  郭大川

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于AGFI和CFUM的遥感图像任意尺度超分辨率重建方法，包括获取低分辨率遥感图像数据训练遥感图像任意尺度超分辨率网络模型，采用训练好的遥感图像任意尺度超分辨率网络模型实现遥感图像任意尺度超分辨率重建；所述遥感图像任意尺度超分辨率网络模型包括特征提取模块、特征交互模块和两级上采样模块；本发明可以提高遥感图像重建精度。

公开(公告)号：CN119540701A

公开(公告)日：2025-02-28

申请号：CN202411695051.0

申请日：2024-11-25

Applicant: 重庆邮电大学

Inventor： 王诗言 ,  郭大川 ,  唐嘉 ,  唐佳佳 ,  杨灿

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/13 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/092

Abstract: 本发明属于计算机视觉技术领域，涉及基于多尺度特征融合的遥感目标检测方法、系统以及介质，包括：获取遥感图像并输入自下而上的特征提取主干网络，得到多层级特征图Ck；将Ck输入多向特征强化网络，得到多尺度特征图Yk；将Yk输入自上而下的特征提取主干网络，得到多尺度融合特征图Pk；将Pk输入目标检测网络进行目标检测，得到检测结果；本发明的多向特征强化网络对每一层级的特征图进行全方位的频域信息增强，并对频域增强特征进行不同尺度的特征强化，并利用坐标注意力机制对H、W维度进行双向空间编码和特征权重优化，全面关注了特征层低维度与高纬度的频率域和空间域的多重信息，有效提高对小目标的检测能力并增强应对复杂背景的能力。