公开(公告)号：CN118918005A

公开(公告)日：2024-11-08

申请号：CN202410579283.3

申请日：2024-05-11

Applicant: 微山金源煤矿 ,  中国矿业大学

Inventor： 徐兴奎 ,  李冬冬 ,  商培进 ,  寇旗旗 ,  程志威

IPC: G06T3/4053 ,  G06V10/80 ,  G06V10/44

Abstract: 本发明属于图像超分辨率重建技术领域，具体提出了一种基于渐进式感受野的轻量级矿井图像超分辨率重建方法，包括：通过浅层特征提取模块对低分辨率图像ILR进行浅层特征提取；通过深层次特征提取模块对输入的浅层特征进行处理，提取深层次特征；多维潜在特征融合模块MLFFB将多个渐进式感受野蒸馏块中不同维度的潜在特征进行充分融合，并与浅层特征相结合；通过重建模块对多维潜在特征融合模块的输出特征进行重建操作，获得最终的高分辨重建图像ISR。本发明通过阶梯式的上下双路卷积链逐步调整感受野的大小，有效地融合了图像的整体结构信息和局部细节特征，提高了超分辨率图像重建性能。

公开(公告)号：CN117173024A

公开(公告)日：2023-12-05

申请号：CN202311213700.4

申请日：2023-09-20

Applicant: 中国矿业大学

Inventor： 程德强 ,  程志威 ,  寇旗旗 ,  李爽 ,  陈亮亮 ,  韩成功 ,  吕晨 ,  张皓翔

IPC: G06T3/40 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明属于图像超分辨率重建技术领域，涉及一种基于整体注意力的矿井图像超分辨率重建系统及方法；浅层特征输入到深层特征提取模块，深层特征提取模块由N个信息蒸馏块堆叠组成；层间融合注意力机制模块由M个层间金字塔注意力以金字塔结构组成，并通过1×1卷积层来降低维度以减少计算量和参数量，然后输入到3×3卷积层，并引入长跳跃连接，输出融合结果作为上采样及重建模块的输入；得到高分辨率图像；以信息蒸馏网络为框架，引入增强型自校准卷积可以有效地平衡好计算效率和网络性能，更满足现实应用的需求；层间融合注意力机制对多个信息蒸馏块的输出特征图自适应地分配权重，在融合处理后输入重建模块以实现不同深度特征图地充分利用。

公开(公告)号：CN116468770A

公开(公告)日：2023-07-21

申请号：CN202310247390.1

申请日：2023-03-15

Applicant: 中国矿业大学

Inventor： 寇旗旗 ,  徐帅 ,  程德强 ,  王子强 ,  张华强 ,  陈俊辉 ,  王奕 ,  赵麟敖 ,  程志威 ,  马祥 ,  姬广凯 ,  李龙 ,  郑丽娟 ,  张辉敏

IPC: G06T7/593 ,  G06T5/00 ,  G06T17/00

Abstract: 本发明公开了一种矿井安全隐患场景三维重建中自监督深度估计方法，首先分别构建正常光照图像和低光照图像的深度估计网络和姿态估计网络模型，在编码器解码器中间采用自注意力机制的位置感知模块，用以获取场景结构的上下文信息和更好的特征表示；在对网络训练的过程中，使用正常光照图像和通过CycleGAN处理得到的低光照图像进行训练，再采用映射图像增强(MIE)算法处理由CycleGAN输出的图像，以满足保持亮度一致性的需要，解决低光照和光照不均匀带来的影响。增强了细节处的特征表示，加强了对复杂背景处的深度估计效果。加入的映射图像增强模块使得低光照图像的亮度和对比度明显提高，从而为其带来更高的可见性，保留更多的细节。

公开(公告)号：CN117173024B

公开(公告)日：2024-04-16

申请号：CN202311213700.4

申请日：2023-09-20

Applicant: 中国矿业大学

Inventor： 程德强 ,  程志威 ,  寇旗旗 ,  李爽 ,  陈亮亮 ,  韩成功 ,  吕晨 ,  张皓翔

IPC: G06T3/4069 ,  G06T3/4046 ,  G06T3/4007 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明属于图像超分辨率重建技术领域，涉及一种基于整体注意力的矿井图像超分辨率重建系统及方法；浅层特征输入到深层特征提取模块，深层特征提取模块由N个信息蒸馏块堆叠组成；层间融合注意力机制模块由M个层间金字塔注意力以金字塔结构组成，并通过1×1卷积层来降低维度以减少计算量和参数量，然后输入到3×3卷积层，并引入长跳跃连接，输出融合结果作为上采样及重建模块的输入；得到高分辨率图像；以信息蒸馏网络为框架，引入增强型自校准卷积可以有效地平衡好计算效率和网络性能，更满足现实应用的需求；层间融合注意力机制对多个信息蒸馏块的输出特征图自适应地分配权重，在融合处理后输入重建模块以实现不同深度特征图地充分利用。

公开(公告)号：CN116664649A

公开(公告)日：2023-08-29

申请号：CN202310247388.4

申请日：2023-03-15

Applicant: 中国矿业大学

Inventor： 寇旗旗 ,  张华强 ,  程德强 ,  王奕 ,  陈俊辉 ,  范舒铭 ,  王子强 ,  徐帅 ,  赵麟敖 ,  寇涵博 ,  程志威 ,  马祥 ,  姬广凯 ,  李龙

IPC: G06T7/529 ,  G06T9/00

Abstract: 本发明公开了一种矿井增强现实无人开采工作面深度估计方法，属于图像处理技术领域，构建卷积层、池化层、残差层、下采样模块组成的深度编码器，在编码器网络浅层提取图像浅层高分辨率特征信息，在编码器网络深层通过卷积操作的堆叠，提取图像低分率特征信息，将浅层的高分辨率特征图通过层级特征调整模块融合到深层的低分率特征图中；构建由反卷积层、上采样模块以及跳跃连接组成的深度解码器网络，估计图像的深度；构建相机位姿预测网络，通过相机邻帧间运动位姿的估计重投影到目标图像的光度损失作为自监督信号约束；构建改进的颜色‑几何差异信息来预测共平面深度图模块，用向量梯度渐变作为约束信号，约束预测初始深度图和预测共平面深度图。