-
公开(公告)号：CN110188752B
公开(公告)日：2023-09-22
申请号：CN201910417533.2
申请日：2019-05-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种监控视频下模糊车牌的去模糊识别系统及去模糊识别方法，系统包括：去模糊处理模块和图像识别模块，所述去模糊处理模块基于神经网络对模糊图像进行去模糊处理，并输出复原图像；所述图像识别模块通过调用API识别接口，对复原图像进行识别，输出车牌文本信息。方法包括如下步骤：1、构建图像去模糊模型；2、针对城市道路监控视频中由于车辆高速行驶造成的车牌模糊进行去模糊处理；3、对图像去模糊模型输出的复原图像进行批量识别，输出文本识别结果。本发明克服了现有深度学习中图片去模糊与识别系统的不足，训练时间少，识别率高，通过本系统处理车牌图片后应用于道路交通管理。
-
公开(公告)号：CN108564544B
公开(公告)日：2023-04-28
申请号：CN201810325132.X
申请日：2018-04-11
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于边缘感知的图像盲去模糊组合稀疏优化方法，在图像L0稀疏先验的基础上引入相对总变分正则项，对自然图像进行盲去模糊，按照如下步骤进行：输入模糊图像y，其模糊核为k，待求解的清晰图像为x；初始化待求解的图像x为模糊图像y，初始化参数λ，σ等参数；利用模糊核和图像交叉估计的方法由粗到细求解模糊核k；根据步骤3)最后计算出来的模糊核k对模糊图像y进行非盲去模糊，求出清晰的图像x(L)；对清晰的图像做最后的处理，得到最终的清晰图像。
-
公开(公告)号：CN115393225A
公开(公告)日：2022-11-25
申请号：CN202211088239.X
申请日：2022-09-07
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多层次特征提取融合的低光照图像增强方法，包括：对待增强的低光照图像进行预处理；将经过预处理的低光照图像输入到训练好的低光照增强网络模型中，得到低光照增强图；低光照增强网络模型的基础为卷积神经网络；本发明通过在低光照增强网络模型中多次利用特征提取模块实现对不同层次的特征进行提取，通过特征提取模块中的空洞卷积分支来提取不同尺度的特征，再通过通道注意力模块和空间注意力模块对提取的特征进行权重调整，然后通过特征增强网络模块对得到的不同层次和不同尺度的特征进行增强，最后进行特征融合，使得增强后图像的细节、结构、对比度、颜色等特征更明显。
-
公开(公告)号：CN112633149B
公开(公告)日：2022-08-16
申请号：CN202011527409.0
申请日：2020-12-22
Applicant: 南京邮电大学
Abstract: 本发明公开了一种域自适应雾天图像目标检测方法和装置，属于目标检测技术领域，方法包括如下步骤：对获取的目标检测数据集进行预处理；对骨干网络进行模型多尺度性能改造重建；利用预处理后的目标检测数据集训练改造后的骨干网络获得目标检测模型；对所述目标检测模型搭建域分类器；采用雾天图像和预处理后的目标检测数据集，训练搭建域分类器的所述目标检测模型获得域自适应检测模型；利用所述域自适应检测模型对待检测雾天图像进行目标检测。本发明的方法和装置具有检测精度高、实时性和应用性较强、漏检率低等优点，提升了检测模型在雾天场景中的表现。
-
公开(公告)号：CN114898137A
公开(公告)日：2022-08-12
申请号：CN202210253999.5
申请日：2022-03-15
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V40/16 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向人脸识别的黑盒对抗样本攻击方法，包含S1.准备以及预处理数据集。S2.利用DIP(Deep Image Prior)网络将待优化参数转换为生成器网络参数，训练过程引入多重特征提取网络、指向性特征借此提升攻击精度以及迁移性。S3.将训练初始随机选定的隐编码z，通过图片生成模型，得到最终的攻击图片，将攻击图片混以干净图片以图片对的形式输入到人脸识别模型中得到人脸验证以及识别结果。在攻击场景下通过DIP网络，拓展了攻击优化算法的搜索空间，解决了现有模型对于黑盒攻击中攻击精度以及迁移性不高的问题。
-
Patent Agency Ranking
公开(公告)号：CN113205002B
公开(公告)日：2022-07-29
申请号：CN202110377777.X
申请日：2021-04-08
Applicant: 南京邮电大学
Abstract: 本发明公开了一种非受限视频监控的低清人脸识别方法，包含S1.准备训练集，S2.利用高清人脸图像数据对教师网络进行第一训练得到训练好的教师网络模型，第一训练包含利用第一特征提取网络提取高清人脸图像数据的第一特征；S3.将训练好的教师网络模型中的预权重赋予学生网络形成初始学生网络模型，将人工下采样低清人脸图像数据及真实场景下低清人脸图像数据联合输入到初始学生网络模型进行第二训练，得到训练好的低清人脸识别模型；S4.将测试集输入到训练好的低清人脸识别模型得到人脸验证和识别结果；在学生网络中引入了域鉴别器，学习具有域不变特性的特征表示，解决了现有模型对于非受限视频监控场景下低清人脸图片识别精度不高的问题。
-
公开(公告)号：CN106296668B
公开(公告)日：2019-07-16
申请号：CN201610622454.1
申请日：2016-08-01
Applicant: 南京邮电大学
IPC: G06T7/11
Abstract: 本发明公开了一种多分辨分析的全局图像分割方法，首先，紧支撑小波变换对图像进行分解；然后，将分解后进行重构的系数矩阵作为滤波器；其次，将重构所得的滤波器施加于水平集函数的梯度项，构成新的正则项；接着，基于理想情况下，目标和背景的边界应充分契合，提出一种边界正则项用于保持全局最优的分割结果；最后，利用快速对偶算法将含有多分辨率信息的正则项和边界正则项的变分模型进行最小化，以实现水平集曲线的演化。经医学核磁共振图像分割实验表明，本发明对于狭长拓扑结构比一般活动轮廓模型具有更明显的扑捉能力以及更高效的计算时间。
-
公开(公告)号：CN108564544A
公开(公告)日：2018-09-21
申请号：CN201810325132.X
申请日：2018-04-11
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于边缘感知的图像盲去模糊组合稀疏优化方法，在图像L0稀疏先验的基础上引入相对总变分正则项，对自然图像进行盲去模糊，按照如下步骤进行：输入模糊图像y，其模糊核为k，待求解的清晰图像为x；初始化待求解的图像x为模糊图像y，初始化参数λ，σ等参数；利用模糊核和图像交叉估计的方法由粗到细求解模糊核k；根据步骤3)最后计算出来的模糊核k对模糊图像y进行非盲去模糊，求出清晰的图像x(L)；对清晰的图像做最后的处理，得到最终的清晰图像。
-
公开(公告)号：CN114820303B
公开(公告)日：2025-02-25
申请号：CN202210296363.9
申请日：2022-03-24
Applicant: 南京邮电大学
IPC: G06T3/4053 , G06T3/4046 , G06V40/16 , G06V10/82 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种低清图像重建超分辨率人脸图像的方法、系统及存储介质，包括：将低分辨率图像输入预训练渐进式生成对抗网络中，初始化隐编码和通道权重参数；将隐编码和通道权重输入预训练渐进式生成对抗网络的迭代单元，获得迭代的多重隐编码和通道权重；判断多重隐编码和通道权重的迭代次数是否大于预设的迭代次数阈值，基于输出的多重隐编码和通道权重生成的最终超分辨率的高清人脸图像。通过本发明将多重隐编码分组，并在预训练渐进式生成对抗网络不同的子网络结构下迭代优化，使得多重潜码学习不同层次的特征，提升了人脸超分图像的真实感，从而重建超分辨率人脸图像。
-
公开(公告)号：CN116957952A
公开(公告)日：2023-10-27
申请号：CN202310418886.0
申请日：2023-04-19
Applicant: 南京邮电大学
Abstract: 本发明属于人工智能领域，公开了一种高斯相对算子双重鉴别性图像盲去模糊方法，包含S1.基于双重鉴别性原则，设计图像先验；S2.将图像先验代入优化模型进行图像盲去模糊，利用交替迭代算法分别求解清晰图像与模糊核，将复杂的中间图像估计转化为了一个简单、直观的图像滤波问题；S3.采用非盲恢复得到最终清晰图像；S4.在自然、人造、文本、夜间、人像等多场景的仿真基准数据和真实模糊图像上进行了大量数值实验，调整中间参数，最终得到面向自然图像的，具有有效性和鲁棒性的图像盲去模糊方法。本发明能够有效提升模糊图片恢复效果，同时，相较于传统的基于梯度的图像先验去模糊更具理论可行性。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.026 seconds)
