-
公开(公告)号：CN117788322A
公开(公告)日：2024-03-29
申请号：CN202311720650.9
申请日：2023-12-14
Applicant: 南京信息工程大学
IPC: G06T5/70 , G06V10/30 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/098
Abstract: 本发明提供的一种基于稀疏TRANSFORMER结构的高光谱图像去噪方法，利用稀疏空谱Transformer去噪网络对高光谱图像的空间‑光谱特征进行联合学习从而帮助去噪。在高光谱图像空间维度，为了应对过于平滑问题，引入局部卷积模块增强空间高频特征细节；同时在光谱维度上提出了Top‑k稀疏自注意力机制，自适应选择最相关的光谱通道信息进行特征交互，从而能够有效捕获不同光谱波段间光谱特征的相关性。通过对高光谱图像空间‑光谱特征的联合学习。本发明能够根据训练好的网络参数权重对输入的噪声高光谱图像进行高效、高质量的去噪修复操作。
-
公开(公告)号：CN117392250A
公开(公告)日：2024-01-12
申请号：CN202311480532.5
申请日：2023-11-08
Applicant: 南京信息工程大学
IPC: G06T9/00 , G06N3/0455 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了多假设运动补偿增强的视频压缩快照成像重建方法及系统，涉及图像处理技术领域，将初始重建值输入到训练好的多假设运动补偿增强的Transformer重建网络中，由多个阶段级联计算；每个阶段中由整体重建分支利用基于掩码指导的多尺度Transformer编解码网络，提取深度特征，输出整体重建结果；由运动补偿增强分支，用多假设预测模块对参考帧进行运动估计，生成预测帧；计算掩码调制后的预测帧与原始测量值的残差，残差重构模块对计算得到的残差进行重构；通过跳跃连接，利用重构信息对预测帧结果进行优化，以获取运动补偿值；将运动补偿值与整体重建结果求和，获取当前阶段的重建结果；输出重建后的高质量视频。
-
公开(公告)号：CN117237859A
公开(公告)日：2023-12-15
申请号：CN202311509301.2
申请日：2023-11-14
Applicant: 南京信息工程大学
IPC: G06V20/50 , G06V20/10 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了基于低光照增强的夜间高速公路雾天能见度检测方法，包括：实时获取高速公路上的摄像头拍摄的夜间高速公路雾天情况的图像数据；输入至低光图像增强的能见度检测网络模型，该模型包括增强网络模块、亮通道先验计算模块、融合分类网络，分别获得夜间图像的深度视觉特征、亮度特征，并通过融合分类网络进行能见度预测，输出能见度等级分类；设计低光图像增强的网络模型的损失函数并进行训练；训练好的低光图像增强的网络模型实现对夜间图像进行低光照增强，并通过Transformer实现特征的融合分类，能够有效提升夜间高速公路雾天能见度检测的准确率。
-
公开(公告)号：CN117237432A
公开(公告)日：2023-12-15
申请号：CN202311364899.0
申请日：2023-10-20
Applicant: 南京信息工程大学
IPC: G06T7/593 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自注意力的掩码不确定性高光谱图像重建方法，具体为：步骤1：利用CASSI光学系统压缩采样，得到二维测量值Y；步骤2：利用掩码不确定性的自调优网络自动捕获不同掩码空间结构间的不确定性，从而得到调优掩码m'；步骤3：将二维测量值和调优掩码输入到transformer的残差重建网络中，得到最终的高光图谱。本发明表现出较好的重建质量和重建速度，并且具有不同掩码的适应性，满足了CASSI系统的实际应用，并进一步促进高光谱压缩快照成像技术的深入发展与推广应用。
-
公开(公告)号：CN112767407B
公开(公告)日：2023-07-07
申请号：CN202110141339.3
申请日：2021-02-02
Applicant: 南京信息工程大学
IPC: G06T7/10 , G06T7/13 , G06T3/40 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于级联门控3DUnet模型的CT图像肾脏肿瘤分割方法，包括：采集腹部CT扫描中包含肾脏的图像序列，对每个图像序列中的肾脏及肿瘤进行标注，生成对应的标注掩码,构建数据集Dataset；对Dataset进行P1预处理操作，构建肾脏(包括肿瘤)分割的U型深度网络模型M1；对Dataset中的图像序列与对应的标注掩码进行裁剪，取出只有肾脏(或肿瘤)的体素部分，进行P2预处理操作，基于门控卷积层构建肿瘤分割的深度网络分割模型M2；分别对模型M1、M2进行训练；通过模型M1和M2的级联处理分割出肾脏肿瘤区域。本发明通过网络级联的两阶段分割模型，并联合门控卷积层构建了用于肿瘤分割的深度网络模型，能够对癌变肾脏的形状变化保持鲁棒，有效分割出不同尺寸的肿瘤。
-
Patent Agency Ranking
公开(公告)号：CN111402137B
公开(公告)日：2023-04-18
申请号：CN202010205303.2
申请日：2020-03-20
Applicant: 南京信息工程大学
IPC: G06T3/40 , G06N3/0455 , G06N3/048 , G06N3/084 , G06N3/088
Abstract: 本发明提供了一种基于感知损失引导的深度注意力编解码单图像超分辨率算法，包括以下步骤：构建感知损失引导的深度注意力编解码网络模型；根据网络模型设计感知损失目标函数；预设网络模型超参，根据感知损失目标函数，采用反向传播算法训练网络模型；若网络模型收敛，则输出期望的高分辨率图像，否则返回执行上一步骤，直至网络模型收敛。本发明在网络中加入了残差空间注意力单元用于捕获并重建出更多的低频信息，使用平均绝对误差和结构相似度损失组成的感知损失作为损失函数来优化网络参数，使得网络可以更多地关注视觉敏感区域，以保存视觉信息结构，从而提高重建图像的质量，使得重建图像有着优秀的视觉效果，并且该网络的重建效率极高。
-
公开(公告)号：CN115830164A
公开(公告)日：2023-03-21
申请号：CN202211474661.9
申请日：2022-11-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于生成对抗网络的文本生成图像方法，将句子信息通过文本编码器，得到单词特征和句子特征，将噪声向量和句子特征作为初始阶段的输入，在初始阶段经过通道仿射变换，在每一次之后加入激活函数，得到初始中间层输出，将初始中间层输出通过三通道卷积生成出低分辨率的图像，再将图像和句子特征作为初始鉴别器的输入，利用初始鉴别器计算图像是否匹配文本；利用得到的初始中间层输出和单词特征作为第二阶段的输入，步骤同上；最后一个生成器生成的图像还经过图像编码器得到图像特征，和单词特征拥有相同的表示空间，用来计算图像文本相似度，作为生成器的损失；在每阶段鉴别器中加入空间注意力，增强文本图像语义一致性。
-
公开(公告)号：CN115294479A
公开(公告)日：2022-11-04
申请号：CN202210948850.9
申请日：2022-08-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于各向异性上下文网络高分辨率遥感图像语义分割方法，包括：获取待进行语义分割的高分辨率遥感图像，并将其输入至用于遥感图像分割的各向异性上下文融合网络模型进行语义分割，获得分割图。本发明设计各向异性上下文聚合模块，将并行空洞卷积模块与复合条状池化模块进行结合，该模块通过并行空洞卷积提取不同尺度的特征向量，通过复合条状池化操作获取各向异性的空间上下文信息，进而捕捉广泛存在于遥感图像中不同尺度的各向异性上下文信息，并将提取的两部分特征向量进行拼接后进行上采样获得最终的分割图。本专利方法具有分割准确度高且分割速度快的优势，可实现遥感图像的语义分割，为高分辨率遥感图像解析提供技术支撑。
-
公开(公告)号：CN109544656A
公开(公告)日：2019-03-29
申请号：CN201811404831.X
申请日：2018-11-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于生成对抗网络的压缩感知图像重建方法，包括：S1、根据原始图像采样得到的测量向量与重建图像大小构建基于神经网络的生成对抗网络模型，并设计用于优化所述生成对抗网络模型参数的目标函数；S2、预设训练所述生成对抗网络模型时的参数；S3、根据所述目标函数，采用反向传播算法交替训练生成器与鉴别器；S4、若所述生成对抗网络模型收敛，则训练好的网络可以直接实现压缩感知任务，模型输出为由所述测量向量重构出的对应原图像；否则返回执行步骤S2-S4。本发明利用生成器的强大映射能力，初步重建原始图像，利用生成器和鉴别器的对抗训练，使得生成器重建的图像像素分布更接近原始图像，达到了低采样率下精确重建原始图像的目的。
-
公开(公告)号：CN104867162B
公开(公告)日：2017-10-27
申请号：CN201510275727.5
申请日：2015-05-26
Applicant: 南京信息工程大学
IPC: G06T7/215
Abstract: 本发明公开了一种基于多成分鲁棒PCA的运动目标检测方法，包括：S101、对待检测视频序列进行行列向量化，获得视频数据矩阵；S102、根据所述视频数据矩阵，构建多成分鲁棒PCA模型；S103、采用增广拉格朗日乘子法对所述多成分鲁棒PCA模型进行交替迭代优化和乘子更新；S104、更新迭代次数，计算并判断当前次迭代是否收敛；S105、若当前次迭代收敛，则根据当前次迭代结果计算得到背景矩阵、所检测得到的运动目标矩阵和背景中的动态变化矩阵，从而实现运动目标检测，否则返回执行步骤S103。本发明可以从背景扰动中分离出有意义的显著运动目标，提升检测算法的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.036 seconds)
