-
公开(公告)号:CN111524068A
公开(公告)日:2020-08-11
申请号:CN202010290657.1
申请日:2020-04-14
Applicant: 长安大学
Abstract: 本发明公开了本发明提供一种基于深度学习的变长输入超分辨率视频重建方法;包括以下步骤:构建随机长度的训练样本,获取训练集;建立超分辨率视频重建网络模型:包含依次连接的特征提取器、渐对齐融合模块、深度残差模块和叠加模块;采用训练集对超分辨率视频重建网络模型进行训练,得到训练后的超分辨率视频重建网络;将待处理视频顺序输入训练后的超分辨率视频重建网络进行视频重建,得到对应的超分辨率重建视频。本发明采用渐对齐融合机制可以逐帧地对齐和融合,对齐操作只作用于相邻两帧图像,这使得模型能够处理更长的时序关系,使用更多相邻的视频帧,这意味着输入含有更多的场景信息,可以有效提高重建效果。
-
公开(公告)号:CN110471368A
公开(公告)日:2019-11-19
申请号:CN201910813680.1
申请日:2019-08-30
Applicant: 长安大学
IPC: G05B19/41
Abstract: 本发明公开了一种高速数控机床加工速度自适应的前瞻插补方法,该方法首先用NURBS曲线对加工曲线进行描述,并根据NURBS曲线中插补点曲率的变化确定了速度突变点的位置;接着提出基于弓高误差和三次多项式加减速算法计算突变点速度的局部最优解;然后分析突变点处速度的嵌套关系,给出了前瞻距离的有效计算方法;最后根据减速点的位置,在前瞻距离范围内进行反向插补,提出了进给速度的实时优化方案。本发明既能满足柔性加工的要求,又能提前发现加工中存在的速度突变点,从而优化进给速度,实现高精度加工。
-
公开(公告)号:CN111524068B
公开(公告)日:2023-06-02
申请号:CN202010290657.1
申请日:2020-04-14
Applicant: 长安大学
IPC: G06T3/40 , G06T3/60 , G06T5/50 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了本发明提供一种基于深度学习的变长输入超分辨率视频重建方法;包括以下步骤:构建随机长度的训练样本,获取训练集;建立超分辨率视频重建网络模型:包含依次连接的特征提取器、渐对齐融合模块、深度残差模块和叠加模块;采用训练集对超分辨率视频重建网络模型进行训练,得到训练后的超分辨率视频重建网络;将待处理视频顺序输入训练后的超分辨率视频重建网络进行视频重建,得到对应的超分辨率重建视频。本发明采用渐对齐融合机制可以逐帧地对齐和融合,对齐操作只作用于相邻两帧图像,这使得模型能够处理更长的时序关系,使用更多相邻的视频帧,这意味着输入含有更多的场景信息,可以有效提高重建效果。
-
公开(公告)号:CN111784576A
公开(公告)日:2020-10-16
申请号:CN202010529312.7
申请日:2020-06-11
Applicant: 长安大学
Abstract: 本发明公开了本发明提供一种基于改进ORB特征算法的图像拼接方法;包括以下步骤:构建Hessian矩阵,确定每个待拼接图像的特征点;使用BRIEF二进制特征描述符提取每个待拼接图像的特征描述子;使用Hamming距离进行粗匹配,并使用网格运动特征算法区分正确匹配和错误匹配点对;使用改进后的随机采样一致性算法去除错误匹配特征点对;搜索最佳缝合线;重叠区域划分;分段融合,完成图像拼接。本发明通过多尺度空间理论,使用Hessian矩阵和高斯金字塔对配准方法进行改进,达到尺度不变的目的,同时提高了匹配点对的匹配精度。
-
-
-