-
Patent Agency Ranking
公开(公告)号：CN114998630B
公开(公告)日：2022-11-04
申请号：CN202210844306.X
申请日：2022-07-19
Applicant: 北京科技大学
Abstract: 本发明公开了一种从粗到精的地对空图像配准方法，包括：S1，获取待配准的图像对；S2，采用模板匹配的方法对图像对进行配准，得到初步配准结果；S3，基于初步配准结果在目标图像中裁剪出感兴趣区域，采用深度学习的方法对源图像和裁剪出的感兴趣区域提取特征点并匹配，得到特征点匹配结果；S4，基于特征点匹配结果，采用基于随机抽样一致RANSAC的方法对图像对进行尺度对齐，然后对完成尺度对齐的图像对再次执行S3，得到新的特征点匹配结果；S5，重复执行S4预设次数，得到最终的配准结果。本发明的方法能够针对卫星影像和机载图像，实现不同视角下立体结构图像间的像素级配准，具有通用性。
-
公开(公告)号：CN114820389A
公开(公告)日：2022-07-29
申请号：CN202210714947.3
申请日：2022-06-23
IPC: G06T5/00 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明提供一种基于无监督解耦表征的人脸图像去模糊方法，属于计算机视觉中的低质量图像复原技术领域。所述方法包括：获取由清晰图像及模糊图像构成的训练集；其中，所述图像为人脸图像；构建基于生成对抗网络的去模糊生成网络，确定其总的目标函数；其中，通过所述去模糊生成网络解耦语义内容信息和域内特性，所述去模糊生成网络包括：内容域编码器、特征域编码器、特征域生成器、特征域鉴别器；利用得到的训练集和总的目标函数，训练所述去模糊生成网络；将待处理的模糊图像作为输入，利用训练好的所述去模糊生成网络生成清晰的人脸图像。采用本发明，能够解决其他无监督方法在训练过程中出现的域转移和解耦不一致的问题。
-
公开(公告)号：CN114612347A
公开(公告)日：2022-06-10
申请号：CN202210506856.0
申请日：2022-05-11
Applicant: 北京科技大学
Abstract: 本发明提供一种多模块级联的水下图像增强方法，属于计算机视觉技术领域。所述方法包括：将现有的空气图像增强网络与颜色校正网络级联，构建多模块级联增强网络，其中，空气图像增强网络用于解决水下图像中与空气图像相似的退化问题，颜色校正网络用于校正水下图像中存在的色偏；获取成对水下图像数据集，利用获取的成对水下图像数据集训练所述多模块级联增强网络；获取待增强的水下图像，将待增强的水下图像送入训练好的多模块级联增强网络，得到增强后的水下图像。采用本发明，能够解决水下成像中不同类型的退化问题。
-
公开(公告)号：CN113688842B
公开(公告)日：2022-04-29
申请号：CN202110898241.2
申请日：2021-08-05
Applicant: 北京科技大学
Abstract: 本发明涉及图像特征提取技术领域，特别是指一种基于解耦合的局部图像特征提取方法，方法包括：获取待提取图像；将图像输入到训练好的局部图像特征提取模型中，局部图像特征提取模型包括特征编码器网络FE和局部图像特征点和描述子提取网络E；基于图像以及特征编码器网络FE和局部图像特征点和描述子提取网络E，得到图像的特征点和描述子，完成对图像的特征提取。本发明是一种分解本质信息和外部环境因素特征的深度解耦合学习的局部图像特征提取与匹配的方法，从而在根本上解决复杂图像变化条件下的图像特征匹配问题。
-
公开(公告)号：CN113688842A
公开(公告)日：2021-11-23
申请号：CN202110898241.2
申请日：2021-08-05
Applicant: 北京科技大学
Abstract: 本发明涉及图像特征提取技术领域，特别是指一种基于解耦合的局部图像特征提取方法，方法包括：获取待提取图像；将图像输入到训练好的局部图像特征提取模型中，局部图像特征提取模型包括特征编码器网络FE和局部图像特征点和描述子提取网络E；基于图像以及特征编码器网络FE和局部图像特征点和描述子提取网络E，得到图像的特征点和描述子，完成对图像的特征提取。本发明是一种分解本质信息和外部环境因素特征的深度解耦合学习的局部图像特征提取与匹配的方法，从而在根本上解决复杂图像变化条件下的图像特征匹配问题。
-
-
-
-
Search Results
55
records
(took 0.023 seconds)
