-
公开(公告)号：CN106296668A
公开(公告)日：2017-01-04
申请号：CN201610622454.1
申请日：2016-08-01
Applicant: 南京邮电大学
IPC: G06T7/00
CPC classification number: G06T2207/20116
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：CN105931191A
公开(公告)日：2016-09-07
申请号：CN201510964588.7
申请日：2015-12-21
IPC: G06T5/00
CPC classification number: G06T5/003 , G06T2207/20016
Abstract: 本发明公开了基于凹凸混合正则先验的图像盲去卷积方法，该方法是一种针对相机摄像头的散焦、抖动等原因造成的图像模糊进行去卷积的方法。主要分三步执行，即：输入降质的模糊图像，求解图像的凹凸混合广义全变差最小化泛函，迭代估计中间清晰图像。利用给定的模糊核尺寸以及上述清晰图像的梯度信息，求解模糊核的凹凸混合弹性网正则化最小化泛函，迭代估计中间模糊核。利用上述两步骤交替迭代结束后的最终模糊核以及倒基尼系数稀疏正则的图像非盲去卷积方法，迭代估计最终去卷积图像。
-
公开(公告)号：CN117422653A
公开(公告)日：2024-01-19
申请号：CN202311373830.4
申请日：2023-10-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于权重共享和迭代数据优化的低光照图像增强方法，所述方法包括：获取低光照图像，将低光照图像输入到训练好的低光照图像增强模型中，得到增强结果图像；其中，所述低光照图像增强模型包括权重共享的光照估计模块、光照校准模块和去噪模块；本发明提出的低光照图像增强方案通过伽马校正改变图像亮度，无需配对的明亮图像，只基于昏暗图像数据，模拟生成更昏暗图像数据，进而构建并训练网络模型，训练好的模型可对实际低光照图像进行图像增强。
-
公开(公告)号：CN117151982A
公开(公告)日：2023-12-01
申请号：CN202311185287.5
申请日：2023-09-14
Applicant: 南京邮电大学
IPC: G06T3/40 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于边缘引导和双向矫正残差学习的图像超分辨率重建方法，包括：获取目标低分辨率图像；将目标低分辨率图像输入到预训练好的图像超分辨率重建模型中，根据所述图像超分辨率重建模型的输出得到重建后的高分辨率图像；其中所述图像超分辨率重建模型包括边缘特征提取模块、低分辨率图像处理分支与边缘信息图像处理分支、融合模块和上采样重建模块；低分辨率图像处理分支和边缘信息图像处理分支均由一个浅层特征提取模块和若干个边缘矫正模块串联构成；本发明充分利用输入图像的各类特征以及残差学习的学习能力，对低分辨率图像进行超分辨率重建，提升图像的分辨率，进而增强图像的显示效果。
-
公开(公告)号：CN116912207A
公开(公告)日：2023-10-20
申请号：CN202310873710.4
申请日：2023-07-17
Applicant: 南京邮电大学
IPC: G06T7/00 , G06T7/50 , G06V10/774 , G06V10/74 , G06T7/70
Abstract: 本发明属于计算机视觉图像处理领域，公开一种基于点云学习的无监督单目深度估计方法，包括：准备数据集；将训练集分批输入无监督单目点云估计模型，模型输出与输入图像对应的预测点云、位姿变化，计算与输入图像对应的重投影图像和重建点云，计算训练总损失，包括重投影损失、预测点云的自监督约束损失、预测点云的帧间约束损失、边缘平滑损失；使用总损失约束模型训练，到最优的无监督单目点云估计模型；准备用于3D目标检测的数据集，用预测点云文件替换真实点云文件；训练3D目标检测模型，得到最优3D目标检测模型。本发明深入挖掘纯图像方法，通过直接估计点云并引入点云约束，提升了道路场景的深度估计及3D目标检测精度。
-
Patent Agency Ranking
公开(公告)号：CN111738267B
公开(公告)日：2023-04-18
申请号：CN202010473221.6
申请日：2020-05-29
Applicant: 南京邮电大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于线性残差学习的视觉感知方法和装置，所述方法包括以下步骤：获取实时图像；采用预先建立好的视觉感知模型对图像进行视觉感知，获取图像中的语义信息或距离参数；所述视觉感知模型通过对获取的图像进行深度卷积，并基于线性残差学习建立；所述视觉感知模型以训练集中的数据为训练样本，输入为图像的原始共享特征和任务特征，输出为语义分割图或深度图。本发明在保证计算精度的同时，大大降低模型的参数量，提升感知模型的运行效率。
-
公开(公告)号：CN115829834A
公开(公告)日：2023-03-21
申请号：CN202211133791.6
申请日：2022-09-16
Applicant: 南京邮电大学
IPC: G06T3/40 , G06T7/10 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于半耦合深度卷积字典学习的图像超分辨率重建方法，包括：准备输入的训练集数据；构建半耦合深度卷积字典学习模型；构建和训练求解该模型的深度神经网络，得到训练好的系数映射网络、字典和系数；利用训练好的系数映射网络、字典和系数重建低分辨率图像得到高分辨率图像。本发明充分利用深度学习的学习能力和字典学习的可解释性，对低分辨率图像进行超分辨率重建，提升图像的分辨率，进而增强图像的显示效果。
-
公开(公告)号：CN111353505A
公开(公告)日：2020-06-30
申请号：CN202010445676.7
申请日：2020-05-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种可联合实现语义分割和景深估计的网络模型，包括：特征共享模块、多任务子网络，多任务子网络包括多个结构相同的任务子网络以供处理不同任务目标，包括：特征筛选模块、注意力集中模块和预测模块；特征筛选模块从共享特征筛选出与任务相关的特征；注意力集中模块提升筛选特征与任务目标的相关性；预测模块被配置为对集中注意力特征卷积后输出各任务目标的处理结果。本申请还公开了上述模型的训练方法，分别针对语义分割和景深估计进行反向传播迭代训练。本申请的模型精确性高、鲁棒性强，且模型轻量化。
-
公开(公告)号：CN109493291A
公开(公告)日：2019-03-19
申请号：CN201811265104.X
申请日：2018-10-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种自适应伽马校正的彩色图像对比度增强方法，该方法包括以下步骤：1、对输入的待增强图像做明度图像计算；2、利用明度图像计算概率密度函数和权重分布函数；3、计算权重分布函数的累积分布函数；4、构造自适应伽马参数，并对明度图像进行自适应伽玛校正；5、将校正后的图像转换回RGB彩色空间后得到增强后的结果图像。本发明能使图像对比度的增强自适应于像素强度，增强后的图像更自然，并且能够增强图像局部对比度。
-
公开(公告)号：CN106296672A
公开(公告)日：2017-01-04
申请号：CN201610629075.5
申请日：2016-08-03
Applicant: 南京邮电大学
IPC: G06T7/00
CPC classification number: G06T2207/10088
Abstract: 本发明公开了一种结合梯度信息的分块式局部加权的图像分割方法，首先，在每点的局部块内计算当前点属于其邻域的概率；然后，利用当前点所在局部块内各像素点的概率对当前点的概率做估计，以此降低噪声和灰度不均匀性的影响；接着，提出一种结合梯度信息的正则项，捕捉狭长拓扑结构；最后，进行加权估计后的相似度信息作为区域信息指导水平集曲线的演化。本发明能准确分割具有拐点、弱边界和细长结构的复杂目标。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.023 seconds)
