-
公开(公告)号：CN119359752A
公开(公告)日：2025-01-24
申请号：CN202411391380.6
申请日：2024-10-08
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉与遥感图像智能识别领域，具体涉及一种基于边缘增强的遥感图像变化检测方法，包括：获取待检测的遥感图像，采用傅里叶域特征拉进模块对输入图像进行傅里叶变换和逆变换，采用特征提取编码器两张图像进行特征提取；采用特征融合模块对提取的特征进行融合；采用边缘监督感知模块对输入图像的边缘进行感知，得到边缘图；采用边缘引导增强模块将边缘图注入到融合特征图中，得到边缘信息增强的融合特征图；采用特征解码器对边缘信息增强的融合特征图进行解码，得到检测结果；本发明设计了一个边缘引导增强模块把边缘监督感知模块获取的边缘信息和模型每一层的特征有效的结合在一起，增强了模型的边缘表达能力和泛化能力。
-
公开(公告)号：CN117057994A
公开(公告)日：2023-11-14
申请号：CN202311047179.1
申请日：2023-08-18
Applicant: 重庆邮电大学
Abstract: 本发明涉及遥感图像重建技术，具体涉及一种基于先验知识的遥感图像超分辨率重建方法；包括构建并训练上下文引导约束网络模型，采集待处理图像输入训练好的上下文引导约束网络模型，得到其对应的高分辨率重建遥感图像；所述上下文引导约束网络模型包括图像分割网络、反距离图生成器、浅层编码器、深层纹理编辑器和高分图像重构解码器；本发明通过结合图像的区域约束和几何约束这两个先验知识，增强了遥感图像的物体类间全局纹理上下文和类内局部纹理上下文，实现遥感图像超分辨率重建。
-
公开(公告)号：CN106344023B
公开(公告)日：2020-02-11
申请号：CN201610988277.9
申请日：2016-11-10
Applicant: 重庆邮电大学
Abstract: 本发明涉及医疗器械技术领域，特别涉及一种基于气压和加速度的非稳态呼吸波检测装置；包括：皮带，所述皮带上设置有通过数据线相连接的气压传感器和呼吸波探测器，所述气压传感器通过橡胶管与气囊相连接；所述呼吸波探测器包括：加速度传感器，以及与所述气压传感器和加速度传感器耦接的微控制器；所述微控制器利用气压传感器传来的信息和加速度传感器传来的信息得到人体运动时的呼吸波；本发明采用皮带结构来构建检测装置，方便使用，并且采用气压和加速度信号来检测呼吸波信号，提高了检测准确性，并对检测信号进行多次滤波，分阶段滤除噪声和干扰，检测性能极大提高。
-
公开(公告)号：CN119380191A
公开(公告)日：2025-01-28
申请号：CN202411430115.4
申请日：2024-10-14
Applicant: 重庆邮电大学
IPC: G06V20/10 , G06V10/25 , G06V10/44 , G06N3/0464 , G06N3/0455
Abstract: 本发明属于图像分析处理领域，涉及一种类人感知机制驱动的遥感图像显著性目标检测方法，包括：获取待测遥感图像并输入训练好的目标检测模型，得到检测结果；目标检测模型的训练过程包括：获取数据集X，对X进行预处理，得到预处理后的遥感图像及其标签数据；将预处理后的遥感图像输入MiT网络，得到特征和高频信息；将特征和高频信息输入高频特征补充模块，得到增强特征；将增强特征输入解码器，得到检测结果；根据检测结果和标签数据更新目标检测模型的参数，直到得到训练好的目标检测模型；本发明利用小波变换提取遥感图像像素周围的高频信息，利用引导滤波对遥感图像的特征进行高频信息补充，使得特征能更好的补充显著性目标。
-
公开(公告)号：CN119313563A
公开(公告)日：2025-01-14
申请号：CN202411436504.8
申请日：2024-10-15
Applicant: 重庆邮电大学
IPC: G06T3/4053 , G06T5/70 , G06T3/4038 , G06T5/10 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于大倍率图像超分领域，具体涉及一种遥感图像超分辨重建方法；该方法包括：采集高质量高分辨的遥感图像数据集，对遥感图像进行裁剪和下采样操作，得到低分辨图像；随机生成噪声并根据噪声生成噪声图像；采用条件截断噪声生成器对低分辨图像和噪声图像进行处理，得到截断图像和条件噪声；根据条件噪声对截断图像作去噪处理，得到高分辨率图像；计算模型总损失并根据模型总损失调整模型参数，得到训练好的双输出截断扩散模型；本发明较大程度地提高图像生成的质量，同时极大的减少了采样图像所使用的时间和模型的参数量，模型输出结果更准确，具有良好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN115240008A
公开(公告)日：2022-10-25
申请号：CN202210931306.3
申请日：2022-08-04
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于人工智能技术领域，具体涉及一种采样无关的全度量小样本目标检测方法，包括：构建全度量样本检测模型，并微调全度量样本检测模型；采样小样本数据，对小样本数据集进行组织划分，得到类支持集和查询集，并对类支持集中的类支持样本进行预处理；将小样本数据输入到微调后的全度量样本检测模型，进行目标检测并获得检测结果。本发明通过使用跨尺度语义匹配减少由于和尺度差异而导致匹配次优结果；通过构造一组正常和损坏图片对，采用自监督学习策略约束网络使编码器可利用上下文构建出更为鲁棒原型；为原型向量增设了空间位置信息来引导模型更为准确捕获到目标。
-
公开(公告)号：CN106344023A
公开(公告)日：2017-01-25
申请号：CN201610988277.9
申请日：2016-11-10
Applicant: 重庆邮电大学
Abstract: 本发明涉及医疗器械技术领域，特别涉及一种基于气压和加速度的非稳态呼吸波检测装置；包括：皮带，所述皮带上设置有通过数据线相连接的气压传感器和呼吸波探测器，所述气压传感器通过橡胶管与气囊相连接；所述呼吸波探测器包括：加速度传感器，以及与所述气压传感器和加速度传感器耦接的微控制器；所述微控制器利用气压传感器传来的信息和加速度传感器传来的信息得到人体运动时的呼吸波；本发明采用皮带结构来构建检测装置，方便使用，并且采用气压和加速度信号来检测呼吸波信号，提高了检测准确性，并对检测信号进行多次滤波，分阶段滤除噪声和干扰，检测性能极大提高。
-
公开(公告)号：CN118537218A
公开(公告)日：2024-08-23
申请号：CN202310419460.7
申请日：2023-04-18
Applicant: 重庆邮电大学
IPC: G06T3/4053 , G06T3/4046 , G06V20/10 , G06V10/42 , G06V10/44 , G06V10/54 , G06V10/82 , G06N3/084 , G06N3/0464
Abstract: 本发明涉及遥感图像重建技术，具体涉及一种航拍图像超分辨率重建方法；该方法包括构建并训练航拍图像重建模型，实时获取待重建图像，采用训练好的航拍图像重建模型处理待重建图像得到重建结果；所述航拍图像重建模型包括全局编码模块、上下文定向纹理模块和高分图像重构模块；本发明从傅里叶变换及其变种的角度对航拍图像超分辨率重建任务进行了分析，利用傅里叶变换的全局性质和卷积定理设计全局编码模块，用于提取图像的浅层特征；同时应用Gabor变换来增强图像的定向纹理。
-
公开(公告)号：CN118334342A
公开(公告)日：2024-07-12
申请号：CN202410529374.6
申请日：2024-04-29
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/762 , G06V10/56 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0895
Abstract: 本发明涉及一种基于图像边缘的弱监督语义分割方法，包括弱监督语义分割网络，该网络包括级联的N个BaSFormer网络，其图像语义分割的过程包括：获取目标遥感图像，经过预处理得到像素特征向量，将其作为BaSFormer网络的输入；根据像素点到各超像素聚类中心之间的综合距离得到初始的像素‑超像素关系矩阵，据其将像素点聚类成超像素，更新超像素聚类中心；根据更新后的超像素聚类中心，迭代更新像素‑超像素关系矩阵得到超像素聚类结果；将超像素聚类结果经过注意力机制等处理，将处理后的结果作为下一个级联的BaSFormer网络的输入；将经过级联的N个BaSFormer网络处理后得到的输出结果进行前馈神经网络处理，得到所述目标遥感图像的语义分割结果。本发明进一步提高弱监督语义分割任务中类激活图中的边界精度，进而提升分割精度。
-
公开(公告)号：CN118134780A
公开(公告)日：2024-06-04
申请号：CN202410293357.7
申请日：2024-03-14
Applicant: 重庆邮电大学
IPC: G06T5/50 , G06N3/0455 , G06N3/08 , G06N3/045
Abstract: 本发明属于多模态图像处理领域，具体涉及一种基于特征分解的红外图像与可见光图像的融合方法，包括：选取红外‑可见光图像对数据集，并对数据集中的图像进行预处理；构建融合网络模型；将预处理后的红外图像和可见光图像输入到融合网络模型中进行第一阶段训练，得到重构后的原始图像；将重构后的原始图像输入到经过第一阶段训练后的融合网络模型中进行第二阶段训练，得到融合图像；将待融合的红外图像和可见光图像输入到训练后的融合网络模型，得到融合后的图像；本发明采用了两阶段训练策略完成端到端训练，即使用多个模态同时完成第一阶段的自编码器训练，提高了图像融合的质量。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.022 seconds)
