-
公开(公告)号：CN107392854A
公开(公告)日：2017-11-24
申请号：CN201710587165.7
申请日：2017-07-18
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于局部自适应增益因子的联合上采样方法，在原始输入图像经过下采样和显示处理模块处理之后，该方法首先通过双线性插值将经过下采样和显示处理的图像放大至原始分辨率，其次通过引导滤波技术进行结构转移滤波和细节提取。在利用输入端和输出端的相似对称性计算得到一个随图像内容和纹理细节损失程度自适应变化的局部自适应增益因子以后，经过纹理细节合成产生最后的输出图像。本发明能够克服传统联合上采样方法采用全局固定增益因子的缺点，并通过计算复杂度较低的移动窗求和技术提高方法的计算效率，改善视频显示系统的用户视觉体验。
-
公开(公告)号：CN116912147B
公开(公告)日：2025-05-06
申请号：CN202310973631.0
申请日：2023-08-03
Applicant: 西安交通大学
IPC: G06T5/50 , G06T3/4084 , G06T3/14 , G06T7/33 , H04N5/265
Abstract: 本发明一种基于嵌入式平台的全景视频实时拼接方法，该方法基于的全景拼接设备包括可见光相机、视频处理板和结构件，可见光相机均匀分布于结构件侧立面，视频处理板用于接收可见光相机视频，对视频进行实时拼接，输出实时全景视频；该方法包括步骤：1)相机图像配准：采集可见光相机图像，通过对图像进行特征匹配，建立图像之间的几何对应关系；2)多相机参数全局优化：采用Levenberg‑Marquardt算法进行全局优化，最小化重投影误差；得到准确的单应矩阵和相机参数；3)图像融合：在拼接之前对图像进行投影变换，将所有像素映射到一个统一平面；之后采用基于拉普拉斯金字塔变换的图像融合方法，得到最终的融合图像。本发明实现了在嵌入式平台输出实时全景视频。
-
公开(公告)号：CN119295891A
公开(公告)日：2025-01-10
申请号：CN202411188619.X
申请日：2024-08-28
Applicant: 西安交通大学
IPC: G06V10/82 , G06V10/774 , G06N3/042 , G06N3/045 , G06N3/0895
Abstract: 本发明公开了一种基于不确定性的目标检测自训练方法及系统，该方法包括：构建目标数据集，目标数据集包括带标签数据样本和不带标签数据样本；基于带标签数据样本的预测结果与带标签数据样本的真实值，计算第一总误差，通过第一总误差对教师网络进行训练得到第一模型；基于不带标签数据样本的预测结果与所述不带标签数据样本的伪标签，计算第二总误差，通过第二总误差输入学生网络进行训练，得到第二模型；使用指数移动平均对所述第一模型和所述第二模型进行集成更新，得到最终训练检测模型。本发明解决了在整个自训练流程中，由特征偏移的不确定性带来的模型鲁棒性低的问题，能够大幅减少伪标签中的数据噪声。
-
公开(公告)号：CN118780984A
公开(公告)日：2024-10-15
申请号：CN202410747022.8
申请日：2024-06-11
Applicant: 西安交通大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明基于卷积和Transformer混合架构的图像超分辨率重建方法及系统，该方法包括：对单幅图像超分辨率重建训练数据集中的原始数据进行预处理，生成低分辨率图像和高分辨率图像配对的训练数据；构建基于卷积和Transformer混合架构的图像超分辨率重建网络，将预处理后的训练数据输入图像超分辨率重建网络，并使用L1损失函数和ADAM优化器进行训练，获得训练好的超分辨率重建网络模型；将待重建的图像输入训练好的超分辨率重建网络模型，生成对应的高分辨率图像。该系统包括数据预处理模块、模型训练模块和图像重建模块。本发明可以同时利用卷积神经网络和Transformer的优势，以获得局部和全局信息的同时有效降低模型复杂度和延迟，提高超分辨率重建图像的质量。
-
公开(公告)号：CN113740871B
公开(公告)日：2024-04-02
申请号：CN202110872830.3
申请日：2021-07-30
Applicant: 西安交通大学
IPC: G01S17/86 , G01S17/89 , G01S17/931 , G01C21/16
Abstract: 本发明公开了一种在高动态环境下的激光SLAM方法、系统设备及存储介质，包括如下过程：使用IMU的预积分里程计来获得SLAM系统的初始状态估计；分别将当前激光点云和局部点云地图按照SLAM系统的定位误差所确定的分辨率投影为距离图像；比较这两幅距离图像，去除当前激光点云和局部点云地图中代表移动物体的点；将当前激光点云和局部点云地图进行点云匹配，获得SLAM系统的状态估计；判断点云匹配是否收敛；若点云匹配收敛，将获得的SLAM系统的状态估计作为最终的SLAM系统的状态估计；若点云匹配不收敛，重复进行所述距离图像获取、去除代表移动物体的点、点云匹配和收敛性判断的过程，直至点云匹配收敛。本发明能够同时提高动态点的去除率和SLAM的精度。
-
Patent Agency Ranking
公开(公告)号：CN114998666A
公开(公告)日：2022-09-02
申请号：CN202210467732.6
申请日：2022-04-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种用于图像盲超分辨率增强网络的退化核提取方法，包括以下步骤：S1:使用随机参数各向异性高斯核作为真实退化核对高分辨率图像进行模糊处理并下采样得到低分辨率图像；S2:将低分辨率图像输入至退化表征学习网络中提取其退化核；S3:使用提取的退化核和对应的真实退化核分别对低分辨率图像模糊处理并下采样得到重下采样图像对；S4:计算重下采样图像对之间的误差值和退化核之间的误差值，使用二者加权之和作为总误差值对退化表征学习网络进行约束训练。本发明提供的用于图像盲超分辨率增强网络的退化核提取方法，能有效地提取低分辨率图像中的退化核，将其应用于图像盲超分辨率增强技术中可得到更好的重建效果。
-
公开(公告)号：CN111292357A
公开(公告)日：2020-06-16
申请号：CN202010136402.X
申请日：2020-03-02
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于相关滤波的视频帧间快速运动估计方法。该方法首先对基准帧和参考帧进行预处理，通过进行对数变换提高图像对比度，其次将基准帧划分成大小相等的网格，依次提取基准块Bcur，在参考帧中依据基准块的对应位置提取参考区域，并从中依次提取参考块，通过相关滤波计算运动矢量。本发明能显著提高传统运动估计方法的鲁棒性，可以克服传统运动估计方法对于非刚性运动无法准确获取运动矢量的缺陷，并通过改进搜索策略降低运算复杂度。
-
公开(公告)号：CN103500435B
公开(公告)日：2016-06-08
申请号：CN201310412603.8
申请日：2013-09-11
Applicant: 西安交通大学
CPC classification number: G06T3/403 , G06T3/4007 , G06T7/13 , G06T2207/20008 , G06T2207/20024 , G06T2207/20192
Abstract: 一种边缘导向的自适应图像插值方法及其VLSI实现装置，计算源图像像素点梯度幅值和梯度方向，通过比较梯度幅值与局部自适应阈值获得边缘信息，边缘方向为梯度方向的垂直方向；将边缘方向分类，利用边缘信息进行滤波，将图像分为规则边缘和非边缘区域。规则边缘区域沿边缘方向插值，且根据边缘信息的分类分别采用基于局部梯度信息的改进双三次插值方法、斜向双三次插值方法、斜向双线性插值方法进行图像插值；非边缘区域采用基于局部梯度信息的改进双三次插值方法进行图像插值；本发明的装置包括边缘信息提取模块，自适应插值模块、输入行场以及缩放后行场同步控制模块。本发明能显著提高高倍率缩放下的图像插值效果，有利于集成电路架构实现。
-
公开(公告)号：CN119559409A
公开(公告)日：2025-03-04
申请号：CN202411602488.5
申请日：2024-11-11
Applicant: 西安交通大学
IPC: G06V10/74 , G06V10/75 , G06V10/24 , G06T7/246 , G06T7/277 , G06T7/262 , G06T5/40 , G06T5/70 , G06T5/60 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种结合轨迹预测的抗遮挡单目标长时跟踪方法及系统，该方法包括：首先手动指定目标的位置和大小，确定需要跟踪的区域，对目标区域进行特征提取并将特征向量映射到高维特征空间，得到初始目标模板；根据初始目标模型的特征信息，在跟踪区域内定位目标，计算目标候选区域与初始目标模板之间的相似度，选择最可能的目标位置，结合遮挡判定算法，在目标被遮挡时进入搜索状态，利用目标的历史轨迹数据进行预测；根据得到的目标位置，结合目标当前的状态和运动情况，动态更新目标的模板信息。该系统包括目标初始化模块、目标定位模块和目标模板更新模块。本发明能够实时更新目标搜索范围，以实现准确稳定的长时目标跟踪。
-
公开(公告)号：CN119206542A
公开(公告)日：2024-12-27
申请号：CN202411107011.X
申请日：2024-08-13
Applicant: 西安交通大学
Abstract: 本发明公开了一种面向无人机高空航拍的红外小目标检测方法及装置，该方法包括：制作真实场景数据集；构建针对红外小目标检测的深度学习模型，所述深度学习模型包括红外小目标特征提取主干网络、特征聚焦金字塔颈部网络和检测头；利用所述真实场景数据集对所述深度学习模型进行迭代训练，得到训练后的深度学习模型，将训练后的深度学习模型部署到嵌入平台上，得到目标检测模型；通过所述目标检测模型对待识别的红外小目标图像进行检测，获得检测结果。本发明有效提高了模型的红外小目标检测性能，降低了模型的参数量。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.019 seconds)
