-
公开(公告)号：CN102222320A
公开(公告)日：2011-10-19
申请号：CN201110134444.0
申请日：2011-05-24
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于全变分迭代反向投影的单帧图像空间分辨率增强方法，其方法是：(1)利用双线性插值获取低分辨率图像Il的初始高分辨率估计图像(2)利用成像退化模型对降质，将Il与降质后图像作差获取反向投影误差e；(3)利用双线性插值对e上采样，得投影误差ez；(4)利用全变分方法对ez正则化，得修正后的上采样投影误差eTV；(5)利用eTV对进行修正，得反向投影后的高分辨率图像IBP；(6)利用全变分方法对IBP进行正则化，得全变分反向投影处理后的高分辨率图像ITV；(7)将本轮得到的ITV反馈到第(2)步取代进行下一轮反向投影和正则化处理。本发明有效提高了对图像边缘特征的保持，降低图像高分辨率估计值与实际值之间的偏差，可用于单帧灰度或彩色图像的超分辨率复原。
-
公开(公告)号：CN119941563A
公开(公告)日：2025-05-06
申请号：CN202411837737.9
申请日：2024-12-13
Applicant: 西安电子科技大学
IPC: G06T5/73 , G06T5/50 , G06T5/94 , G06T5/60 , G06V10/25 , G06V10/26 , G06V20/70 , G06V10/80 , G06V10/77 , G06V10/52 , G06V10/42 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/045
Abstract: 本发明实施例公开了一种红外弱小目标图像增强方法，所述方法包括：对原始红外图像进行分块处理，获取若干个子图像；对所述若干个子图像进行分类，获取含有目标图像的子图像集合和不含目标图像的子图像集合；对所述含有目标图像的子图像集合进行图像增强，获取边缘锐化的目标特征图像集合；对所述不含目标图像的子图像集合进行锐化，获取边缘锐化的非目标特征图像集合；对所述边缘锐化的目标特征图像集合和所述边缘锐化的非目标特征图像集合进行合并，得到具有目标边缘锐化的红外弱小目标图像。本发明通过分块处理、分类、图像增强和合并，可以实现针对性的增强，有效提高红外图像中弱小目标的可见性和识别度。
-
公开(公告)号：CN119360823A
公开(公告)日：2025-01-24
申请号：CN202411157142.9
申请日：2024-08-22
Applicant: 西安电子科技大学
Abstract: 本发明实施例公开了一种基于多子带生成策略的语音合成系统、方法、介质及设备，系统包括：预处理模块，用于将文本转化为音素序列，将对应的语音通过短时傅里叶变换转化为线性频谱；后验编码器模块，用于将线性频谱转化为后验分布，根据后验分布中的均值和标准差进行采样得到潜在变量；转换层模块，用于将潜在变量转换为采样数据；先验编码器模块，用于将音素序列提取为深度特征，将深度特征映射为先验分布；发音时长推测模块，用于将先验分布与采样数据对齐，获取对齐矩阵，根据深度特征和对齐矩阵通过编码获取发音时长分布；解码器模块，用于将先验分布依据发音时长分布采样为多子带信号并合成为语音波形信号，实现了文本到语音的直接映射。
-
公开(公告)号：CN118736290A
公开(公告)日：2024-10-01
申请号：CN202410789942.6
申请日：2024-06-19
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06T5/73 , G06V10/762 , G06T3/4038 , G06T7/187 , G06N3/0475 , G06N3/08
Abstract: 本发明实施例公开了一种红外小目标伪标签生成方法，该方法包括：采集红外图像和与其对应的人工标签图像；从人工标签图像中提取目标形心标签图像和粗标签图像，并使用高斯模糊核处理二者，获取模糊形心标签图像和模糊粗标签图像；根据红外图像和模糊粗标签图像训练形心偏移校准网络直至收敛；预设该网络的权值，并使用形心偏移校准网络确定中心区域预测结果；获取该结果的形心，并根据高斯模糊核得到模糊形心；根据红外图像和模糊形心训练伪标签图像精细生成网络直至收敛；根据伪标签图像精细生成网络确定红外图像对应的最终伪标签图像。本发明通过形心偏移校准和伪标签图像精细生成，提高伪标签图像准确度和精细度，有利于红外图像分析。
-
公开(公告)号：CN118351198A
公开(公告)日：2024-07-16
申请号：CN202410334343.5
申请日：2024-03-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多级特征分解和频域判别的红外图像彩色化方法，包括：获取同一场景目标的原始红外图像和原始可见光图像；利用生成器生成原始红外图像的彩色可见光生成图像；得到原始红外图像和彩色可见光生成图像的浅层编码特征；将两图像的浅层编码特征分别输入多级特征分解网络得到各自的低频基础特征和高频细节特征；用两图的低频基础特征和高频细节特征分别对应建立全局对比损失和局部对比损失；对彩色可见光生成图像和原始可见光图像基于空域判别器、频域判别器、全局对比损失和局部对比损失进行判别；若判别通过输出彩色可见光生成图像，否则返回生成彩色可见光生成图像步骤。本发明能保证彩色化内容不失真，提高红外图像彩色化效果。
-
Patent Agency Ranking
公开(公告)号：CN112560907B
公开(公告)日：2024-05-28
申请号：CN202011392343.9
申请日：2020-12-02
Applicant: 西安电子科技大学
IPC: G06V20/17 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于混合域注意力的有限像素红外无人机目标检测方法，通过基于注意力机制的单步级联神经网络对红外图像进行特征提取，获得特征图；对所述特征图进行上采样获得多尺度特征图，并对所述多尺度特征图分别进行特征融合与预测，获得目标检测最终结果。采用注意力机制与多尺度特征融合预测方法，提高对有限像素目标的特征提取能力与检测准确性。
-
公开(公告)号：CN113096053B
公开(公告)日：2024-02-09
申请号：CN202110287389.2
申请日：2021-03-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度引导滤波的高动态红外图像细节增强方法，对输入的高动态红外图像进行多尺度引导滤波分解，获得不同尺度的图像细节层；对所述不同尺度的图像细节层进行加权融合，获得多尺度融合的细节层，并通过与原始图像作差，获得相应的基本层；对所述多尺度融合的细节层和相应的基本层分别进行非线性压缩映射，获得增强的细节层和低动态的基本层；最后，叠加所述增强的细节层和低动态的基本层并进行归一化，获得细节增强的低动态红外图像。本发明能够快速高效地提取更多细节信息，也避免出现梯度翻转问题，细节增强性能和整体视觉效果较优。
-
公开(公告)号：CN117495905A
公开(公告)日：2024-02-02
申请号：CN202311466190.1
申请日：2023-11-06
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06T7/70 , G06T7/90 , G06N3/0464 , G06N3/08
Abstract: 一种基于跟踪置信度分析与自适应尺度处理的抗遮挡目标跟踪方法，根据目标不同跟踪状态，采取不同的特征融合方式，得到目标融合特征；根据相关滤波响应，计算目标跟踪置信度，以反映目标处于正常跟踪、轻微遮挡或严重遮挡的状态；当目标被严重遮挡、出视野或发生大幅形变时，进行中心扩散搜索，以前一帧目标位置为中心生成一系列候选区域，计算相关响应，得到遮挡处理的最佳目标位置；在非正常跟踪情况下，采用动态学习率调整方法，以确保中心扩散搜索的有效性，并提高处理速度；应用边框相关滤波提取边界框，并采用自适应尺度处理方法得到最终目标框，实现目标跟踪。本发明可实现对视频图像中遮挡目标的跟踪，降低了计算成本且目标跟踪精度较高。
-
公开(公告)号：CN117495720A
公开(公告)日：2024-02-02
申请号：CN202311464041.1
申请日：2023-11-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度边缘保持模型的去雾方法，该方法首先在HSV空间通过小波变换对亮度分量V进行分解，在低频图像中使用Retinex理论进行去雾，在高频图像中使用侧窗滤波增强细节，进而对高低频分量进行小波逆变换得到增强V分量，由于亮度分量V和饱和度分量S遵循V‑S模型，因此需要对S分量进行调整，最后将图像转换到RGB空间对去雾图像进行色彩恢复得到最终清晰图像。本发明对雾天图像对比度的提高和细节信息的恢复两方面具有良好的效果。
-
公开(公告)号：CN117495719A
公开(公告)日：2024-02-02
申请号：CN202311463991.2
申请日：2023-11-06
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于大气光幕与雾浓度分布估计的去雾方法，主体利用大气光幕和雾浓度的分布估计对雾天图像去雾。具体方法包括：首先利用暗通道先验去雾理论对图像进行分析，再利用改进大气光幕的透射率估计方法对透射率进行估计，精确计算大气光幕，进而利用大气光幕求解精确透射率，之后利用改进的四叉树算法在雾浓度分布图上求解大气光值，最后将透射率和大气光值代入大气散射模型求解清晰图像。
-
-
-
-
-
-
-
-
-
Search Results
262
records
(took 0.075 seconds)
