公开(公告)号：CN117495680A

公开(公告)日：2024-02-02

申请号：CN202410001400.8

申请日：2024-01-02

Applicant: 华侨大学

Inventor： 黄小茜 ,  黄德天 ,  宋佳讯 ,  刘航 ,  林明昕 ,  曾焕强

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0455 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/80

Abstract: 本发明公开了一种基于特征融合Transformer的多对比度核磁共振图像超分辨率方法，涉及图像处理技术领域，包括：构建浅层特征提取模块；构建双域特征提取模块和双融合特征提取模块并进行组合，生成残差全局特征融合模块，基于残差全局特征融合模块构建深层特征提取模块；构建图像重建模块；将浅层特征提取模块、深层特征提取模块和图像重建模块组合，构建基于特征融合Transformer的多对比度核磁共振图像超分辨率网络，并以待重建的低分辨率图像和核磁共振图像作为网络的输入，得到重建后高分辨率图像。本发明利用特征融合Transformer来提取多对比度MRI图像中所包含的全局与局部特征，使得重建的图像更加清晰。

公开(公告)号：CN117237197A

公开(公告)日：2023-12-15

申请号：CN202311475296.8

申请日：2023-11-08

Applicant: 华侨大学

Inventor： 黄小茜 ,  黄德天 ,  宋佳讯 ,  陈菲扬 ,  徐正军 ,  曾焕强 ,  陈龙涛

IPC: G06T3/40 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明公开了一种基于交叉注意力机制与Swin‑Transformer的图像超分辨率方法及装置，涉及图像重建领域，该方法包括：获取待重建的低分辨率图像及其对应的梯度图；构建基于交叉注意力机制与Swin‑Transformer的图像超分辨率模型并训练，得到经训练的图像超分辨率模型；将待重建的低分辨率图像输入经训练的图像超分辨率模型，经训练的图像超分辨率模型包括SR分支和梯度分支，SR分支和梯度分支中分别采用浅层特征提取模块提取低分辨率图像及其对应的梯度图的浅层特征，通过全局深层特征提取模块将浅层特征进行融合，得到深层特征，并输入图像重建模块，重建得到高分辨率图像，解决原有经典图像超分辨率模型难以提取全局特征的问题，以提高重建图像的清晰度。

公开(公告)号：CN116778446A

公开(公告)日：2023-09-19

申请号：CN202310761995.2

申请日：2023-06-26

Applicant: 华侨大学

Inventor： 黄德天 ,  刘航 ,  宋佳讯 ,  曾焕强 ,  朱建清 ,  陈婧 ,  陈龙涛

IPC: G06V20/56 ,  G06N3/0464 ,  G06V10/82 ,  G06N3/048 ,  G06V10/22 ,  G06V10/764 ,  G06V10/26 ,  G06V10/74 ,  G06N3/08

Abstract: 本发明公开了一种车道线快速检测方法、装置及可读介质，获取路况图像；构建基于编码器‑解码器的神经网络并训练，得到车道线检测模型，基于编码器‑解码器的神经网络包括主干分支和辅助分支，主干分支包括依次连接的编码器网络、CBAM注意力机制模块和解码器网络，编码器网络中包括改进的残差结构，改进的残差结构包括第一卷积层以及分别与第一卷积层连接的第一分支和第二分支，第一分支包括第二卷积层，第二分支包括依次连接的第三卷积层和第四卷积层，第一分支、第二分支与第一卷积层的输入通过加法器相连，辅助分支为实例分割网络，并仅在训练过程中使用；将路况图像输入车道线检测模型，检测得到车道线图像，提高车道线检测的准确率和检测速度。

公开(公告)号：CN119006292A

公开(公告)日：2024-11-22

申请号：CN202411484614.1

申请日：2024-10-23

Applicant: 华侨大学

Inventor： 宋佳讯 ,  黄德天 ,  黄小茜 ,  阮淼华 ,  王一凡 ,  舒泊智 ,  董雨昕 ,  黄静

IPC: G06T3/4076 ,  G06N3/0455 ,  G06N3/0464 ,  G06T3/4046 ,  G06T5/60 ,  G06T5/77

Abstract: 本发明公开了一种基于稳定扩散模型的快速人脸图像超分辨率方法及系统，涉及图像超分辨技术领域，方法包括以下步骤：构建基于稳定扩散模型的人脸图像超分辨率模型，包括稳定扩散模型、引导提取模块和引导注入模块，引导提取模块根据输入的人脸低分辨率图像生成视觉引导和文本引导，引导注入模块将视觉引导和文本引导注入到稳定扩散模型，稳定扩散模型基于视觉引导和文本引导生成复原图像作为人脸高分辨率图像；对人脸图像超分辨率模型进行训练；利用训练好的人脸图像超分辨率模型实现快速人脸图像超分辨率。本发明结合视觉引导和文本引导来微调稳定扩散模型，不仅可以大幅提升人脸图像的真实性并保持相当的一致性，并且加快了复原速度。

公开(公告)号：CN118314027A

公开(公告)日：2024-07-09

申请号：CN202410426734.X

申请日：2024-04-10

Applicant: 华侨大学

Inventor： 阮淼华 ,  夏宇 ,  黄炜杰 ,  宋佳讯 ,  郭耀辉 ,  黄小茜 ,  黄德天

IPC: G06T5/00 ,  G06T5/70 ,  G06V10/774

Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于扩散后验采样的图像复原方法，包括制作数据集以及确定退化算子；构建基于VIT的扩散模型，采用影响因子机制改良扩散模型中的跳跃连接方式，采用数据集进行训练和测试得到噪声预测模型；利用训练好的噪声预测模型对图像进行预测输出扩散模型反向过程中所需的高斯噪声图；采用基于确定的退化算子并采用近似对数似然的后验采样机制在反向过程对的高斯噪声图进行不断的迭代去噪实现图像复原。本发明能够更好的注重图像的纹理细节，从而保证复原后图像的真实性与一致性，通过采用PSM和引入影响因子机制，DVIT网络能够保持高度真实性的条件下，以保证一致性，并且可以有效的加速采样速度。

公开(公告)号：CN118279178A

公开(公告)日：2024-07-02

申请号：CN202410675877.4

申请日：2024-05-29

Applicant: 华侨大学

Inventor： 宋佳讯 ,  黄德天 ,  黄小茜 ,  郭耀辉 ,  阮淼华 ,  黄静 ,  舒泊智 ,  王一凡

IPC: G06T5/70 ,  G06N20/00 ,  G06T3/08 ,  G06T5/77 ,  G06V10/74 ,  G06F17/13

Abstract: 本发明公开了一种基于扩散生成模型的快速人脸图像复原方法及系统，涉及图像复原领域，方法包括以下步骤：制作数据集与选择预训练模型，以获得预训练扩散生成模型；基于预训练扩散生成模型获得快速人脸图像复原模型；利用快速人脸图像复原模型实现对于失真人脸图像的快速复原；所述基于预训练扩散生成模型获得快速人脸图像复原模型，包括：在预训练扩散生成模型的前向加噪模块中添加普罗米修斯随机微分方程，以及在预训练扩散生成模型的反向去噪模块中添加条件引导投影。本发明不仅可以实现复原图像真实性与一致性的保障，而且能大幅度缩短图像复原所需要的时间。

公开(公告)号：CN118229532A

公开(公告)日：2024-06-21

申请号：CN202410626959.X

申请日：2024-05-21

Applicant: 华侨大学

Inventor： 黄小茜 ,  张平平 ,  宋佳讯 ,  郭耀辉 ,  黄静 ,  王一凡 ,  黄德天

IPC: G06T3/4053 ,  G06N3/0455 ,  G06T5/60

Abstract: 本发明公开了一种基于复合Transformer的图像超分辨率方法及系统，涉及图像超分辨率领域，方法包括以下步骤：构建基于复合Transformer的图像超分辨率网络；利用基于复合Transformer的图像超分辨率网络实现对于低分辨率图像的超分辨率重建，输出对应的高分辨率图像；所述基于复合Transformer的图像超分辨率网络包括依次连接的浅层特征提取模块、深层特征提取模块和图像重建模块，其中，深层特征提取模块包括若干依次连接的残差组，每个残差组包括残差复合Transformer和整合Transformer，残差复合Transformer包括空间多头注意力和通道组注意力层，整合Transformer包括整合自注意力和卷积前馈网络。本发明通过残差复合Transformer在空间和通道维度上聚合特征；通过整合Transformer减少通道数量而不会丢失空间信息，重建高质量的高分辨率图像。

公开(公告)号：CN117196960B

公开(公告)日：2024-03-01

申请号：CN202311475299.1

申请日：2023-11-08

Applicant: 华侨大学

Inventor： 林明昕 ,  黄德天 ,  刘航 ,  宋佳讯 ,  陈龙涛 ,  施一帆 ,  曾焕强 ,  陈婧

IPC: G06T3/4053 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明公开了一种全尺度特征细化轻量级图像超分辨率方法及装置，涉及图像处理领域，该方法包括：构建全尺度特征细化轻量级图像超分辨率模型并训练，得到经训练的全尺度特征细化轻量级图像超分辨率模型，将低分辨率图像输入经训练的全尺度特征细化轻量级图像超分辨率模型，先经过第一卷积层得到第一特征图，第一特征图经过串联的K个特征蒸馏提取模块，每一个特征蒸馏提取模块的输出均传送至第二卷积层，并经过第三卷积层，得到第二特征图，第二特征图与第一特征图相加，得到最终特征图，最终特征图输入上采样模块，重建得到高分辨率图

公开(公告)号：CN116721091A

公开(公告)日：2023-09-08

申请号：CN202310744289.7

申请日：2023-06-21

Applicant: 华侨大学

Inventor： 黄德天 ,  宋佳讯 ,  林明昕 ,  朱达欣 ,  蔡丹玲 ,  曾焕强 ,  陈婧

IPC: G06T7/00 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种布匹瑕疵检测方法、装置及可读介质，通过获取待检测的布匹图像和模板图像；构建改进的Yolov5s网络并训练，得到布匹瑕疵检测模型，改进的Yolov5s网络包括主干特征提取网络、颈部特征融合网络和头部预测网络，主干特征提取网络采用CSPDarkNet，颈部特征融合网络包括特征过滤金字塔网络和融合卷积块注意力模块的路径聚合网络，在训练过程中采用多类聚焦置信度损失函数代替交叉熵置信度损失函数；将待检测的布匹图像和模板图像输入布匹瑕疵检测模型，得到布匹检测结果。该方法关注实际布匹瑕疵检测中存在的瑕疵种类分布不均、不同瑕疵的检测难易程度不同等问题，通过对冗余背景特征的过滤与关键前景特征的提纯，降低网络复杂度，提高检测精度和效率。

公开(公告)号：CN119180753B

公开(公告)日：2025-03-14

申请号：CN202411681831.X

申请日：2024-11-22

Applicant: 华侨大学

Inventor： 林明昕 ,  黄德天 ,  刘航 ,  王一凡 ,  宋佳讯 ,  陈龙涛 ,  曾焕强

IPC: G06T3/4053 ,  G06N3/045 ,  G06N3/0464 ,  G06T3/4046

Abstract: 本发明涉及图像超分辨率技术领域，公开了一种特征强化的跨窗口轻量级超分辨率方法、系统及电子设备，方法包括以下步骤：构建基于Token字典交叉的自注意力机制，并引入Token分组机制，组成基于Token分组的字典交叉自注意力模块，即TDAB模块；基于TDAB模块构建特征强化的跨窗口轻量级超分辨率网络；使用所述特征强化的跨窗口轻量级超分辨率网络对待重建的低分辨率图像进行重建，得到重建结果。本方法在经典超分辨率方法的基础上引入基于Token字典交叉的自注意力机制、基于Token分组的混合注意力模块，在使模型更轻量化的同时增强了模型对于跨越窗口依赖的捕获能力以及对于纹理细节特征的重建效果。