-
公开(公告)号：CN106886985A
公开(公告)日：2017-06-23
申请号：CN201710277369.0
申请日：2017-04-25
Applicant: 哈尔滨工业大学
Abstract: 一种减小色偏的自适应低照度图像增强方法，涉及低照度图像增强方法。为了解决现有的低照度图像增强方法存在的增强后图像色偏加重、对图像较亮处区域处理不佳导致亮处区域过抑制或过增强的问题。本发明先将低照度图像转换至RGB颜色空间下，做逆S型变换后进行反转，计算反转图像各像素点在RGB三个通道中的最小值，得到初始暗通道图像并进行中值滤波得到大气光强度估值；将反转图像转换到HSV颜色空间下，将V通道的平均灰度值作为平均亮度，求取自适应增强参数；利用大气成像方程求取透射率图像，修正得到透射率平滑图像结合大气成像方程，对反转图像的RGB三个通道进行去雾操作，进行反转后做S型变换得到最终增强图像。本发明适用于图像的增强处理。
-
公开(公告)号：CN111402145B
公开(公告)日：2022-06-07
申请号：CN202010097457.4
申请日：2020-02-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度学习的自监督低照度图像增强方法，属于数字图像处理领域。本发明为解决现有的低照度图像增强方法存在的效果差、泛化能力差的问题，以及现有深度学习方法中对低照度‑正常照度数据集依赖程度高等问题。本发明针对低照度图像增强网络，采集任意数量低照度图像数据，提取低照度图像的最大值通道图像做直方图均衡化；以直方图均衡化后最大值通道图像作为监督，结合Retinex理论和照度图像I平滑的假设构建损失函数，训练图像增强网络。本发明可以显著增强低照度图像的亮度、对比度，并保留图像的细节和颜色信息。本发明用于低照度图像的增强。
-
公开(公告)号：CN106886985B
公开(公告)日：2019-10-08
申请号：CN201710277369.0
申请日：2017-04-25
Applicant: 哈尔滨工业大学
Abstract: 一种减小色偏的自适应低照度图像增强方法，涉及低照度图像增强方法。为了解决现有的低照度图像增强方法存在的增强后图像色偏加重、对图像较亮处区域处理不佳导致亮处区域过抑制或过增强的问题。本发明先将低照度图像转换至RGB颜色空间下，做逆S型变换后进行反转，计算反转图像各像素点在RGB三个通道中的最小值，得到初始暗通道图像并进行中值滤波得到大气光强度估值；将反转图像转换到HSV颜色空间下，将V通道的平均灰度值作为平均亮度，求取自适应增强参数；利用大气成像方程求取透射率图像，修正得到透射率平滑图像结合大气成像方程，对反转图像的RGB三个通道进行去雾操作，进行反转后做S型变换得到最终增强图像。本发明适用于图像的增强处理。
-
公开(公告)号：CN108959091A
公开(公告)日：2018-12-07
申请号：CN201810739291.4
申请日：2018-07-06
Applicant: 哈尔滨工业大学
IPC: G06F11/36
CPC classification number: G06F11/3688
Abstract: 一种支持约束的事件序列故障定位方法，它用于软件测试技术领域。本发明解决了传统的软件事件序列故障定位方法存在的未考虑事件序列之间的约束限制对故障定位的影响的问题。本发明获得待测系统的非确定事件交互集N，计算非确定事件交互集N中每个非确定事件交互的错误概率，按照错误概率由大到小的顺序依次执行集合N中每个事件交互，以确定出集合Γ中包含的极小错误事件交互，完成待测系统的事件序列故障定位；与传统的事件序列故障定位方法相比，本发明的故障定位方法考虑了事件序列之间的约束限制对故障定位的影响，克服了现有技术的局限。本发明可以应用于软件测试技术领域用。
-
公开(公告)号：CN119874050A
公开(公告)日：2025-04-25
申请号：CN202510077671.6
申请日：2025-01-17
Applicant: 哈尔滨工业大学
IPC: C02F3/34 , C02F3/28 , C01B17/20 , C12N1/20 , C12N1/36 , C12P3/00 , C02F101/16 , C02F101/30 , C12R1/01
Abstract: 一种硫歧化介导的污水低温高效低碳脱氮同步铵回收的方法，属于污水处理领域为了解决现有的自养生物脱氮过程无法适应水质波动和季节变化，工程适用性较差的问题，在本发明中，将混养反硝化和元素硫歧化(SD)作为有效的强化反硝化方案，应用于实际污水的低温SDAD系统中。本发明通过元素硫歧化反应原位生成的硫化物和多硫化物，及其混养条件低浓度乙酸钠作为补充电子供体，从而显著加快反硝化速率。SD‑MixBNR体系内的异化硝酸盐还原成铵(DNRA)过程在实现铵回收的同时有利于温室气体减排。本发明可以促进SD‑MixBNR系统在碳中和背景下的实际工程项目中得到广泛应用，并增强在面对各种水质波动和季节变化时的稳定性和适应性。
-
Patent Agency Ranking
公开(公告)号：CN116363009A
公开(公告)日：2023-06-30
申请号：CN202310343585.6
申请日：2023-03-31
Applicant: 哈尔滨工业大学
IPC: G06T5/00 , G06T5/50 , G06T5/40 , G06V10/40 , G06V10/82 , G06V10/774 , G06V10/778 , G06V10/56 , G06N3/0464 , G06N3/09
Abstract: 基于有监督学习的快速轻量化低照度图像增强方法及系统，属于数字图像处理技术领域。为解决现有的基于有监督学习的低照度图像增强方法存在处理速度慢、依赖参数量大的问题。本发明首先提取低照度图像的V通道图像IV，并获取直方图信息，然后与预期平均亮度值拼接后通过多层感知机提取全局信息；在对IV进行高阶曲线调整得到IV′；待增强低照度图像同时输入局部增强网络模块进行处理，首先将输入与输入对应的V通道进行拼接操作后输入第一卷积单元，第一卷积单元的输出与IV′进行拼接后，第二卷积单元中的第一个卷积层输出与第二卷积单元的输出进行拼接后再输入第三卷积单元，第三卷积单元处理之后输出增强图像。
-
公开(公告)号：CN115964955A
公开(公告)日：2023-04-14
申请号：CN202310038740.3
申请日：2023-01-11
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 离散编码超表面单元电磁响应预测方法及设备，属于深度学习和电磁超表面技术领域。为了解决现有的对自由度较高超表面正向预测过程中，存在的预测精度不够及无法同时预测相位频谱和幅值频谱的问题。本发明首先选定基底材料，基于离散编码对离散编码超表面单元进行建模；将超表面单元输入电磁仿真软件得到该超表面单元的电磁响应，分别是水平极化和垂直极化S参数的幅值Am和相位Ph频谱，处理后将之作为对应数据的标签；将数据集输入预测神经网络模型得到预测的离散超表面电磁响应，基于仿真的电磁响应和预测的电磁响应构建损失函数，基于损失函数训练预测神经网络；最后利用训练好的预测神经网络进行离散编码超表面单元电磁响应预测。
-
公开(公告)号：CN110163807B
公开(公告)日：2023-04-07
申请号：CN201910211765.2
申请日：2019-03-20
Applicant: 哈尔滨工业大学
Abstract: 一种基于期望亮通道的低照度图像增强方法，涉及低照度图像增强方法，属于数字图像处理领域。为了解决现有的基于亮通道先验的低照度图像增强算法中求取透射率图像需要人为调节参数的问题，提出了基于期望亮通道的低照度图像增强算法。本发明首先收集HDR图像并对其进行统计，获取其最大值通道图像的分布直方图，作为增强后图像的期望亮通道直方图。其次，利用期望亮通道直方图对低照度图像的最大值通道图像进行直方图规定化处理，得到期望亮通道图像。然后，利用期望亮通道图像和大气成像方程求取透射率图像。最后，结合大气散射模型对低照度图像进行增强。本发明对不同亮度的低照度图像均有较好的增强效果，可以显著增强图像的亮度和对比度，使图像细节更加清晰。
-
公开(公告)号：CN111899201B
公开(公告)日：2022-06-07
申请号：CN202010826749.7
申请日：2020-08-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于条件重增强网络的低照度图像增强方法，属于数字图像处理领域。本发明为解决现有低照度图像增强方法中存在的无法同时处理低对比度、低亮度、噪声和颜色退化的问题。本发明提出的增强方法中包含一个条件重增强网络，该网络的输入为低照度图像及其最大值通道图像和其期望最大值通道图像，输出为最终增强图像。期望最大值通道图像在训练阶段通过对监督图像的最大值通道图像添加模糊和噪声或对低照度图像最大值通道图像做色调映射得到，在测试阶段为经过任意图像增强方法处理后的低照度图像的最大值通道图像。本发明可以显著增强低照度图像的亮度、对比度，同时去除噪声并减少颜色失真现象。本发明可以用于低照度图像的增强。
-
公开(公告)号：CN112308803B
公开(公告)日：2021-10-01
申请号：CN202011345050.5
申请日：2020-11-25
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度学习的自监督低照度图像增强及去噪方法，属于数字图像处理领域。本发明为解决现有基于深度学习的自监督低照度图像增强方法难以抑制噪声及无法直接调节增强图像对比度的问题。本发明包含一个自监督低照度图像增强网络和用于噪声抑制的正则项，该网络可以和现有的任意对比度调节方法如Gamma变换结合，实现网络自监督的训练，噪声抑制正则项可以用于网络训练时的损失函数以使得网络具有噪声抑制能力。本发明可在增强低照度图像对比度和亮度的同时，保留颜色和细节信息，并显著抑制噪声。本发明可以用于低照度图像的增强及去噪。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.037 seconds)
