-
公开(公告)号：CN117522723A
公开(公告)日：2024-02-06
申请号：CN202311293238.3
申请日：2023-10-08
Abstract: 本发明提供了一种基于条件扩散模型的X光图像降噪方法，解决可现有X光图像降噪过程中存在边缘、细节、纹理信息难以生成的不足之处。本发明方法将原始带噪声图像X作为条件，经过T步迭代逐步生成无噪声图像X；在每步迭代过程中，利用双向多层次降噪网络对噪声图像Zt进行降噪；该网络首先提取带噪声图像X的多层次特征，并利用该特征对Zt进行降噪处理，生成理想的无噪声图像，并根据公式计算出Zt‑1分布的均值。通过扩散模型的反复迭代处理，本发明能够较好地重构出具有无噪声X光图像X＝Z0。
-
公开(公告)号：CN117237210A
公开(公告)日：2023-12-15
申请号：CN202311069013.X
申请日：2023-08-23
IPC: G06T5/00 , G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于波段感知动态卷积的多任务网络、多光谱图像全色锐化方法，属于多光谱图像处理领域。多任务网络包含一个任务通用子网络和任务特定子网络，其中任务通用子网络包含两个特征提取模块、一个层次特征融合模块、一个Transformer、一个重构模块；特征提取模块和层次特征融合模块采用波段感知动态卷积。多光谱图像全色锐化方法首先构建多任务网络并训练该网络，然后采用训练好了多任务网络进行推理，从而实现多光谱图像全色锐化。在多任务网络学习阶段，基于本领域内广泛应用的Wald协议构建多个仿真数据集。然后利用Adam算法调整多任务网络的参数。本发明充分利用多卫星数据联合训练多任务网络，从而有效学习各卫星数据集间通用知识。
-
Patent Agency Ranking
公开(公告)号：CN110189282A
公开(公告)日：2019-08-30
申请号：CN201910382946.1
申请日：2019-05-09
Applicant: 西北工业大学
IPC: G06T5/50
Abstract: 本发明涉及一种基于密集和跳跃连接深度卷积网络的多光谱和全色图像融合方法，该方法分为模型训练和图像融合两个部分。在模型训练阶段，首先将原始清晰多光谱和全色图像降采样，得到模拟训练图像对；然后提取模拟的多光谱和全色图像的特征，利用密集连接网络融合特征，并利用跳跃连接重建高空间分辨率多光谱图像；最后利用Adam算法调整模型的参数。在图像融合阶段，首先提取多光谱和全色图像的特征，利用密集连接网络融合特征，并结合跳跃连接重建高空间分辨率多光谱图像。两个特征提取子网络负责提取输入图像对的特征，三个密集连接网络负责融合特征，跳跃连接和两个转置卷积负责重建高空间分辨率多光谱图像。
-
公开(公告)号：CN109754424B
公开(公告)日：2022-11-04
申请号：CN201811542470.5
申请日：2018-12-17
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于融合特征和自适应更新策略的相关滤波跟踪算法，采用了基于相关滤波的跟踪方法，并通过使用分通道融合特征构建鲁棒的目标模型来预测目标的中心位置。针对目标被严重遮挡的问题，本发明引入自适应的模型更新机制来解决该问题：首先根据置信度阈值判断当前响应图的可靠程度，可靠程度越高，图像中目标被遮挡的可能性越小。在此基础上构造自适应更新函数，按照此函数对跟踪模型进行更新，保证目标被严重遮挡时，以非常低的学习率更新模型，尽可能少的引入噪声；而当目标外观清晰，没有遮挡形变等干扰因素存在时，则以非常高的学习率更新模型，保证模型能捕获到最新的目标特征。得益于以上措施，本发明可以在不同的具有挑战性的场景下取得非常鲁棒的跟踪结果。
-
公开(公告)号：CN109767454B
公开(公告)日：2022-05-10
申请号：CN201811552410.1
申请日：2018-12-18
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于时‑空‑频显著性的无人机航拍视频运动目标检测方法，利用Lucas‑Kanade光流法提取视频的时间显著性，利用颜色分布进行提取图像的空间显著性，将图像从空域转换到频域，利用谱残差法提取图像的频域显著性，将时间、空间、频域显著性进行线性加权融合得到一个显著性置信图，通过设置阈值将显著性置信图二值化，从航拍视频中提取运动目标。将时域、空域、频域显著性融合起来，利用其余两个域的显著性弥补各自域的不足，提高了检测精度和检测的鲁棒性，算法简单，执行效率高。
-
公开(公告)号：CN109584271B
公开(公告)日：2021-10-08
申请号：CN201811356271.5
申请日：2018-11-15
Applicant: 西北工业大学
IPC: G06T7/246
Abstract: 本发明涉及一种基于高置信度更新策略的高速相关滤波跟踪方法，分别设计了目标定位模块和高置信度更新模块。跟踪过程中，目标定位模块通过融合灰度、方向梯度直方图和颜色空间特征，并结合特征降维方法训练相关滤波器，基于相关滤波算法实现对目标中心的快速定位；高置信度更新模块利用目标定位模块得到的响应图设计了一种高置信度更新策略，即计算响应图的最高响应值和平均峰值相关能量(Average Peak‑to‑Correlation Energy,APCE)两个指标值，当两个指标值同时满足条件时才进行尺度估计和模型更新，从而避免了在低置信度情况下进行冗余的尺度估计操作和可能引入噪声并导致跟踪漂移的滤波器模型更新操作，以适应背景繁杂、遮挡等复杂场景。
-
公开(公告)号：CN109754424A
公开(公告)日：2019-05-14
申请号：CN201811542470.5
申请日：2018-12-17
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于融合特征和自适应更新策略的相关滤波跟踪算法，采用了基于相关滤波的跟踪方法，并通过使用分通道融合特征构建鲁棒的目标模型来预测目标的中心位置。针对目标被严重遮挡的问题，本发明引入自适应的模型更新机制来解决该问题：首先根据置信度阈值判断当前响应图的可靠程度，可靠程度越高，图像中目标被遮挡的可能性越小。在此基础上构造自适应更新函数，按照此函数对跟踪模型进行更新，保证目标被严重遮挡时，以非常低的学习率更新模型，尽可能少的引入噪声；而当目标外观清晰，没有遮挡形变等干扰因素存在时，则以非常高的学习率更新模型，保证模型能捕获到最新的目标特征。得益于以上措施，本发明可以在不同的具有挑战性的场景下取得非常鲁棒的跟踪结果。
-
-
-
-
-
-
Search Results
17
records
(took 0.076 seconds)
