-
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: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: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。
-
公开(公告)号:CN117726513A
公开(公告)日:2024-03-19
申请号:CN202311574125.0
申请日:2023-11-23
Applicant: 重庆邮电大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉领域,涉及一种基于彩色图像引导的深度图超分辨率重建方法及系统,包括:获取低分辨率的深度图像和相同场景下高分辨率的彩色图像;采用基于全局‑局部的特征提取网络对两种不同模态下的图像进行特征提取,得到两种图像的特征信息;采用特征重建网络对两种不同模态下的图像特征进行融合,重建得到高分辨率的深度图,本发明采用基于全局‑局部的特征提取网络和特征重建网络组成深度图超分辨率重建模型,能够以更少的参数量在两个模态上选取具有代表性的特征,更好地利用彩色图像中的信息重建出高分辨率的深度图像。
-
-
-
-