-
公开(公告)号：CN116193258B
公开(公告)日：2024-05-31
申请号：CN202211512122.X
申请日：2022-11-29
Applicant: 北京理工大学
IPC: H04N23/695 , H04N23/60 , H04N23/11 , H04N23/55 , G06F3/04845 , G06F3/0487
Abstract: 本发明涉及基于多深度特征点的交互式双相机图像对齐方法及系统，属于光学成像与图像处理技术领域。使用固定相机拍摄标志物，调整双相机位姿，使标志物在图像中完整显示，且其上各个特征点无相互遮挡，均匀分布于整幅图像中。使用带有图形界面的软件显示固定相机拍摄到的图像，在图像上的每一个特征点位置绘制标记点，使用可移动相机拍摄标志物图像，并实时显示到图形界面中，同时保留所有绘制标记点。调节可移动相机的位姿，使可移动相机拍摄到的标志物图像中各个特征点与相应的标记点重合。最后计算各特征点的对齐误差。本发明有效解决了现有系统对齐方法深度受限、精度不高、操作复杂、人机交互不友好、特征点显示不清晰等问题，应用范围广。
-
公开(公告)号：CN117726541A
公开(公告)日：2024-03-19
申请号：CN202410176676.X
申请日：2024-02-08
Applicant: 北京理工大学
IPC: G06T5/70 , G06T5/60 , G06V20/40 , G06V10/80 , G06V10/98 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本申请提出了一种基于二值化神经网络的暗光视频增强方法及装置，该方法包括：获取Bayer阵列存储的RAW暗光带噪视频，对RAW暗光带噪视频进行重组处理和曝光增强处理，得到初步优化视频；构建候选二值化神经网络，根据候选二值化神经网络提取初步优化视频的浅层特征，对提取到的特征进行多帧融合以及从融合特征中重建出最终优化视频；基于最终优化视频和参考正常光照图像，计算损失值，并基于损失值对候选二值化神经网络的网络模型参数进行优化，得到训练好的二值化神经网络；将其他初步优化视频输入二值化神经网络得到重建视频，根据图像质量评价标准评价重建视频，得到客观评估指标。本申请能够增强暗光视频的亮度，去除暗光环境拍摄产生的严重噪声。
-
公开(公告)号：CN114881899A
公开(公告)日：2022-08-09
申请号：CN202210381932.X
申请日：2022-04-12
Applicant: 北京理工大学
Abstract: 本发明公开了一种用于可见光与红外图像对的快速保色融合方法及装置，属于图像信息处理技术领域。首先获得相同大小且已对齐的可用于融合算法的可见光‑红外输入图像对。针对输入图像对中的每一像素对，首先根据RGB色彩空间下的可见光像素的亮度值计算增强上限值；然后，根据红外像素值计算增强比例；之后，根据增强上限值和增强比例计算最终增强乘数；最后，根据增强乘数将可见光像素进行增强，将最终结果限制在规定范围内，得到可见光‑红外融合图像。本发明为可见光与红外视频实时监控以及更高层次的计算机视觉任务提供了丰富的色彩信息和高目标辨识度，同时大幅缩小了计算量。
-
公开(公告)号：CN118960962B
公开(公告)日：2025-02-21
申请号：CN202411430376.6
申请日：2024-10-14
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于退化仿真的干涉光谱成像复原方法及系统，属于遥感图像处理技术领域。在退化建模标定中将干涉成像中的退化元素分为趋势项和噪声，并将退化过程建模为仪器退化、感光退化和信号无关退化三大阶段，采用干涉成像退化模型及相应的模型标定方法，针对特定的仪器提取各个阶段的退化特性和模型参数，生成相应的标定结果，并用于生成高度拟真的干涉数据。在复原过程中，构建一个多阶段的复原算法框架，将退化过程中的趋势项、变换计算等元素和噪声分开处理，同时设计了多阶段仿真数据集生成方法，能够根据标定结果，从光谱数据集生成专用于训练整个算法的、高拟真度的仿真干涉图数据集。本发明实现了效率更高、效果更好的干涉成像复原。
-
公开(公告)号：CN119211447A
公开(公告)日：2024-12-27
申请号：CN202411058029.5
申请日：2024-08-02
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于帧同步控制系统的视频数据采集方法及装置属于光学成像与图像处理领域。本发明用于采集基于深度学习技术的图像恢复神经网络的成对视频训练数据。一方面，通过与显示器上播放的视频同步，控制相机逐帧拍摄，确保每一帧的数据在各个相机参数的设置下都是精确匹配的，实现了高质量视频与低质量视频之间的高度同步，这对于深度学习模型的训练极为有利。另一方面，通过显示器播放不同类型的视频内容，可以容易地扩展数据集的多样性，包括不同的天气条件、时间段、室内外场景等，从而增加模型的泛化能力。本发明通过创新的帧同步控制系统，显著提升了视频数据采集的效率和质量，为深度学习视频恢复技术的发展提供了强有力的数据支持。
-
Patent Agency Ranking
公开(公告)号：CN114881899B
公开(公告)日：2024-06-04
申请号：CN202210381932.X
申请日：2022-04-12
Applicant: 北京理工大学
Abstract: 本发明公开了一种用于可见光与红外图像对的快速保色融合方法及装置，属于图像信息处理技术领域。首先获得相同大小且已对齐的可用于融合算法的可见光‑红外输入图像对。针对输入图像对中的每一像素对，首先根据RGB色彩空间下的可见光像素的亮度值计算增强上限值；然后，根据红外像素值计算增强比例；之后，根据增强上限值和增强比例计算最终增强乘数；最后，根据增强乘数将可见光像素进行增强，将最终结果限制在规定范围内，得到可见光‑红外融合图像。本发明为可见光与红外视频实时监控以及更高层次的计算机视觉任务提供了丰富的色彩信息和高目标辨识度，同时大幅缩小了计算量。
-
公开(公告)号：CN118071799A
公开(公告)日：2024-05-24
申请号：CN202410262069.5
申请日：2024-03-07
Applicant: 北京理工大学
IPC: G06T7/246 , G06N3/0464 , G06N3/082 , G06V10/14 , G06V10/774 , G06V10/778 , G06V10/80
Abstract: 本发明公开了一种低光照条件下的多目标追踪方法及系统，该方法包括，利用双相机系统收集成对的低光照视频数据样本；对低光照视频数据样本进行多目标追踪标注得到低光多目标追踪数据集；将低光多目标追踪数据集输入至低光多目标追踪网络模型进行网络训练，以训练得到网络参数；基于网络参数得到训练好的低光多目标追踪网络模型，并利用训练好的低光多目标追踪网络模型对输入的实时低光照视频数据进行低光多目标追踪以得到低光多目标追踪结果。本发明可以在不依赖额外成像设备的条件下，有效提升低光环境下多目标追踪的性能。
-
公开(公告)号：CN117726542B
公开(公告)日：2024-06-21
申请号：CN202410180240.8
申请日：2024-02-18
Applicant: 北京理工大学
IPC: G06T5/70 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06T5/60
Abstract: 本申请提出了一种基于扩散模型的可控噪声去除方法及系统，该方法包括：构建基于潜在扩散模型的拟真噪声建模网络，包括噪声生成网络和相机适配网络；通过包括相机参数以及成对的真实带噪图像和干净图像的训练数据，预训练拟真噪声建模网络；基于扩散模型对预训练完成的相机适配网络进行微调；通过微调后的相机适配网络和预训练后的噪声生成网络生成大量的拟真成对数据，并通过拟真成对数据训练深度学习去噪网络，通过训练完成的深度学习去噪网络对待处理图像进行去噪。该方法能够针对各类相机的特定参数，可控地生成逼近真实噪声分布的成对训练数据集，实现高效的图像噪声去除效果。
-
公开(公告)号：CN118195941A
公开(公告)日：2024-06-14
申请号：CN202410280738.1
申请日：2024-03-12
Applicant: 北京理工大学
Abstract: 本发明涉及计算机图像处理技术领域，尤其是指一种图像联合去噪和去马赛克的方法、装置、设备及计算机存储介质。本发明的一种均值约束的图像联合去噪与去马赛克的方法，通过将去噪的中间结果显式地建模为输入图像的像素均值，在去马赛克前基本完成去噪任务，避免噪声对后续去马赛克阶段重构空间信息的干扰，同时可以将去噪、去马赛克网络联合训练，从而进一步提高网络性能，达到更好的图像联合去噪与去马赛克效果。
-
公开(公告)号：CN117876837B
公开(公告)日：2024-06-07
申请号：CN202410270553.2
申请日：2024-03-11
Applicant: 北京理工大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/09 , G06V10/44
Abstract: 本申请提出了一种基于深度展开网络的近红外单像素成像方法及系统，该方法包括：基于单像素成像原理，构建有监督的近红外单像素成像训练数据集；构建基于Transformer模型和广义交替投影算法框架的深度展开成像网络，并通过训练数据集对深度展开成像网络进行训练；根据近红外单像素成像原理搭建成像光路，通过成像光路中的近红外单像素探测器，采集当前待成像的目标场景对应的一维欠采样近红外单像素测量值；将一维欠采样近红外单像素测量值输入训练完成的深度展开成像网络，获取根据测量值重建的目标场景图像。该方法基于深度展开网络，能够在欠采样的基础上实现高质量、高效率和高鲁棒性的近红外单像素成像。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.021 seconds)
