-
公开(公告)号：CN118097414A
公开(公告)日：2024-05-28
申请号：CN202410216420.7
申请日：2024-02-27
Applicant: 北京理工大学
IPC: G06V20/10 , G06V10/58 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/09 , G06N3/094
Abstract: 本发明涉及摇感图像处理技术领域，尤其涉及一种高光谱图像分类方法、装置、电子设备及存储介质，包括：利用变分推理的损失函数对基于扩散模型的域数据扩展模型进行训练，得到训练完成的域数据扩展模型；利用训练完成的域数据扩展模型对源域场景数据进行扩充，生成扩展域场景数据；基于扩展域场景数据及所述源域场景数据，利用监督对比学习和对比对抗学习损失函数对判别器网络模型进行训练，得到训练完成的判别器网络模型；利用训练完成的判别器网络模型对目标域场景数据进行特征提取和分类预测，得到目标域场景数据的土地覆盖类别。通过基于扩散模型的跨场景高光谱图像分类方法，从而实现精准、可靠的跨场景高光谱图像分类。
-
公开(公告)号：CN116193258A
公开(公告)日：2023-05-30
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：CN119000565B
公开(公告)日：2025-01-24
申请号：CN202411430138.5
申请日：2024-10-14
Applicant: 北京理工大学
IPC: G01N21/25 , G01N21/84 , G06T5/70 , G06T5/60 , G06N3/0464
Abstract: 本发明涉及一种基于本征分解的光谱反射率图像获取方法与系统，属于计算机视觉技术领域。首先进行光谱图像细节梯度提取，生成光谱本征图像的细节梯度信息。然后进行光谱图像邻域自相关性矩阵提取。根据光谱图像细节梯度图像和邻域自相关性矩阵，构建光谱图像本征分解模型，使用自监督学习方法进行迭代优化。系统包括光谱图像细节梯度图像提取子系统、光谱图像邻域自相关性矩阵提取子系统、光谱图像本征分解自监督学习子系统、损失函数计算子系统，以及生成结果评价子系统。本发明通过引入相关细节梯度生成和光谱图像自相关性约束，基于无监督学习，实现了从纯噪声到光谱反射率图像的生成，解决了光谱图像同物异谱、同谱异物等问题。
-
公开(公告)号：CN119006305A
公开(公告)日：2024-11-22
申请号：CN202411430013.2
申请日：2024-10-14
Applicant: 北京理工大学
Abstract: 本发明提出了平滑掩码引导的高动态范围遥感图像数据合成方法及系统，属于图像信息处理技术领域。本发明针对正常遥感图像数据，通过乘以亮度系数参数来生成过曝图像。针对正常遥感图像数据，通过全元物理量噪声模型和针对传感器标定得到的参数，模拟图像信号处理的逆向过程，将RGB遥感图像逆处理为RAW图像，再调低亮度并使用噪声模型加噪来合成低光带噪数据。本方法提高了数据集质量，使图像增强模型更加适合处理真实高动态范围遥感成像数据，为大规模遥感图像增强任务提供了更接近真实情况的高动态范围遥感图像数据合成方案。
-
公开(公告)号：CN117726541B
公开(公告)日：2024-06-28
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。
-
Patent Agency Ranking
公开(公告)号：CN117876837A
公开(公告)日：2024-04-12
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。
-
公开(公告)号：CN117726542A
公开(公告)日：2024-03-19
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：CN118097414B
公开(公告)日：2025-01-28
申请号：CN202410216420.7
申请日：2024-02-27
Applicant: 北京理工大学
IPC: G06V20/10 , G06V10/58 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/09 , G06N3/094
Abstract: 本发明涉及摇感图像处理技术领域，尤其涉及一种高光谱图像分类方法、装置、电子设备及存储介质，包括：利用变分推理的损失函数对基于扩散模型的域数据扩展模型进行训练，得到训练完成的域数据扩展模型；利用训练完成的域数据扩展模型对源域场景数据进行扩充，生成扩展域场景数据；基于扩展域场景数据及所述源域场景数据，利用监督对比学习和对比对抗学习损失函数对判别器网络模型进行训练，得到训练完成的判别器网络模型；利用训练完成的判别器网络模型对目标域场景数据进行特征提取和分类预测，得到目标域场景数据的土地覆盖类别。通过基于扩散模型的跨场景高光谱图像分类方法，从而实现精准、可靠的跨场景高光谱图像分类。
-
公开(公告)号：CN118071799B
公开(公告)日：2025-01-28
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：CN119000565A
公开(公告)日：2024-11-22
申请号：CN202411430138.5
申请日：2024-10-14
Applicant: 北京理工大学
IPC: G01N21/25 , G01N21/84 , G06T5/70 , G06T5/60 , G06N3/0464
Abstract: 本发明涉及一种基于本征分解的光谱反射率图像获取方法与系统，属于计算机视觉技术领域。首先进行光谱图像细节梯度提取，生成光谱本征图像的细节梯度信息。然后进行光谱图像邻域自相关性矩阵提取。根据光谱图像细节梯度图像和邻域自相关性矩阵，构建光谱图像本征分解模型，使用自监督学习方法进行迭代优化。系统包括光谱图像细节梯度图像提取子系统、光谱图像邻域自相关性矩阵提取子系统、光谱图像本征分解自监督学习子系统、损失函数计算子系统，以及生成结果评价子系统。本发明通过引入相关细节梯度生成和光谱图像自相关性约束，基于无监督学习，实现了从纯噪声到光谱反射率图像的生成，解决了光谱图像同物异谱、同谱异物等问题。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.018 seconds)
