-
公开(公告)号：CN117726544A
公开(公告)日：2024-03-19
申请号：CN202311651917.3
申请日：2023-12-04
Applicant: 重庆邮电大学
IPC: G06T5/73 , G06T5/60 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0495
Abstract: 本发明属于图像处理技术领域，具体涉及一种面向复杂运动场景的图像去模糊方法和系统；所述方法包括：获取复杂运动场景下的模糊图像；采用局部特征提取模块对模糊图像进行特征提取，输出提取的局部上下文特征；采用区域特征提取模块对模糊图像进行处理，输出提取的条带状区域特征；采用特征融合模块对提取的局部上下文特征和条带状区域特征进行融合得到第一综合特征图；采用特征恢复模块处理融合后的第一综合特征图，得到去模糊后的清晰图像，本发明能够使复杂运动场景中的多种大小不一、模糊程度不同的特征被恢复出来，使模糊图像的恢复更加符合真实图像的效果。
-
公开(公告)号：CN116309077A
公开(公告)日：2023-06-23
申请号：CN202310422193.9
申请日：2023-04-19
Applicant: 重庆邮电大学
IPC: G06T3/40 , G06T7/10 , G06V10/764 , G06V10/774
Abstract: 本发明属于计算机视觉领域，涉及一种基于空域可变模糊核估计的图像盲超分辨率重建方法；所述方法包括获取低分辨率图像，并将所述低分辨率图像划分为多个图像块；采用分类模块对多个图像块分别处理，输出每个图像块的多分支分类结果；采用多分支的预测模块对相应分支分类结果的图像块进行处理，预测得到每个图像块的模糊核；采用多分支的超分辨率模块对多个图像块的模糊核进行整合，重建得到低分辨率图像对应的高分辨率图像。本发明所构建包含图像还原网络、模糊核估计网络以及分类网络组成的盲超分辨率网络，能够使模糊核保持局部退化特性，从而整幅图像上估计的模糊核是空域可变的更符合真实图像重建效果。
-
公开(公告)号：CN115690042A
公开(公告)日：2023-02-03
申请号：CN202211342286.2
申请日：2022-10-31
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/42 , G06V10/44 , G06V10/26 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明属于图像分割技术领域，具体涉及一种融合CNN和Tansformaer的道路裂纹实时检测方法，包括：获取原始道路图像并对原始道路图像中的道路裂痕通过Labelme进行标注，得到原始道路图像的二值标签；根据原始道路图像和原始道路图像的二值标签创建原始道路图像数据集；创建道路裂纹检测模型，所述道路裂痕检测模型包括：CNN卷积编码模块、Tansformaer编码模块、特征融合模块和分割预测模块；将图像数据集作为训练样本对道路裂痕检测模型进行训练，实时采集道路图像，并将采集到的道路图像输入训练好道路裂痕检测模型；输出道路图像检测结果，通过本发明提供的一种融合CNN和Tansformaer的道路裂纹实时检测方法能够实时对道路的裂痕进行检测。
-
公开(公告)号：CN112132054A
公开(公告)日：2020-12-25
申请号：CN202011017876.9
申请日：2020-09-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度学习的文档定位和分割方法，属于计算机技术领域。该方法包括：S1：输入图像，并使用卷积神经网络提取该图像的特征；S2：将提取到的特征图采用卷积核大小为1的卷积层进行降维；S3：将降维之后的特征图分离成四个通道；S4：将分离出的四个特征图分别输入关键点预测模块，分别预测左上、左下、右上、右下四个顶点的坐标；S5：根据得到的四个顶点坐标对文档图像进行校正和分割。本发明相较于目前的基于边缘检测的文档边缘检测方法，不易受到背景复杂线条的影响，对文档四个顶点的定位更加准确。
-
公开(公告)号：CN104768183B
公开(公告)日：2018-08-14
申请号：CN201510117188.2
申请日：2015-03-17
Applicant: 重庆邮电大学
CPC classification number: Y02D70/126
Abstract: 本发明请求保护一种LTE系统中对移动终端的射频前端动态功耗评估的方法。本发明包括：根据LTE系统中上行链路采用的调制方式QPSK、16QAM和64QAM下分别计算射频前端对应的能耗；在能耗建模时，综合考虑了由调制级数和滚降因子共同引起的信号峰均比PAR对射频前端能耗的影响，同时选择衰落信道更贴近实际情况；在MATLAB平台下完成仿真实验，根据仿真结果完成能耗评估；本发明把LTE通信系统相关参数与射频前端能耗相关联，在一定的信道质量下，终端通过选择最佳的调制方式和升余弦滚降滤波器的滚降因子，使终端在满足一定的误码率前提下获得较低的能耗。
-
Patent Agency Ranking
公开(公告)号：CN117726809A
公开(公告)日：2024-03-19
申请号：CN202311575329.6
申请日：2023-11-23
Applicant: 重庆邮电大学
IPC: G06V10/26 , G06V10/40 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于信息交互增强的小样本语义分割方法；包括：获取支持图像以及对应的真值掩码、带分割的查询图像；采用ResNet对支持图像和查询图像进行处理，得到支持中、高级特征和查询中、高级特征；采用查询先验生成模块、引导注意力模块、空间信息交互注意力模块对支持图像的真值掩码、支持中级特征、支持高级特征、查询中级特征和查询高级特征进行处理，得到四种输出特征；将三个模块的四种输出特征输入到多尺度融合网络中进行处理，得到精细化查询特征；将细化查询特征输入到解码器中进行处理，得到查询图像的预测分割结果；本发明能够使模型更加具有鲁棒性，更好的对目标对象进行分割。
-
公开(公告)号：CN117710226A
公开(公告)日：2024-03-15
申请号：CN202311698483.2
申请日：2023-12-12
Applicant: 重庆邮电大学
IPC: G06T5/50 , G06T5/60 , G06T3/4038
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于高频联合光照先验的单阶段低光照图像增强方法，包括：获取低光照图像，并获取对应的光照先验图像和高频先验图像；采用特征提取模块对融合的输入进行处理，输出高频‑光照特征和提亮图；采用SAFM模块增强低光照图像的局部特征；采用IHG‑MSA模块增强低光照图像的全局特征；融合IHG‑MSA模块和SAFM模块的输出特征对图像进行细化，重建低光照图像对应的正常光照图像。本发明无需重建光照分量和反射分量，只需进行单阶段的推理和训练，通过一种新的自注意力机制IHG‑MSA，在其中引入一种高频联合光照先验，在不引入额外计算的情况下，提高了网络对细节的建模能力。
-
公开(公告)号：CN105873088B
公开(公告)日：2019-04-02
申请号：CN201610177583.4
申请日：2016-03-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种应急救援中采集现场信息的基站自组织网络节点移动模型，该模型中有背负式基站和车载基站，模拟基站的节点生成场景文件和流量文件。两种类型的基站根据不同职能特点，生成不同的移动场景和流量文件。模拟车载基站的节点固定在初始位置，模拟背负式基站的节点移动方式是：以当前位置为圆心，在半径为r的圆内随机选择目的地，以随机速度向目的地出发，到达目的地后停留随机时间；当有数据信息需要发送时，背负式基站向距离自己最近的车载基站发送数据；需要发送数据的背负式基站以一定的CBR速率持续发送一段随机时间；车载基站接收到背负式基站发送的消息后，向背负式基站发送指挥中心反馈的消息。本发明提供的节点移动模型可以更真实地模拟出应急救援中采集现场信息的基站自组织网络的特殊场景。
-
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
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：CN118279207A
公开(公告)日：2024-07-02
申请号：CN202410492147.0
申请日：2024-04-23
Applicant: 重庆邮电大学
Abstract: 本发明涉及图像处理技术领域，具体为一种基于颜色一致性先验的无监督低光照图像增强方法，包括：构建低光照图像增强网络模型；通过构建的低光照图像增强网络模型进行光照增强；利用颜色一致性先验，构建增强后的图像与低光照图像在同一像素上不同通道颜色比例的一致性损失函数，实现无监督的图像增强；通过自注意力正则化的设计，抑制对图像高光部分的过度增强。本发明利用颜色一致性先验实现无监督的图像增强，解决了无监督方案可能出现的白平衡漂移和颜色偏移问题，同时，通过自注意力正则化的设计，有效抑制了对图像高光部分的过度增强，提升了图像的动态范围。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.027 seconds)
