-
公开(公告)号:CN111915545B
公开(公告)日:2022-07-05
申请号:CN202010784272.0
申请日:2020-08-06
Applicant: 中北大学
Abstract: 本发明涉及多波段图像融合方法,具体为基于多判别器生成对抗网络的多波段图像自监督融合方法,本方法按如下步骤进行:设计并构建生成对抗网络,网络由一个生成器和多个判别器组成,且标签图像为多波段源图像自身;生成器网络结构采用构思的特征增强模块、特征融合模块两部分组成,通过生成器和判别器的动态平衡训练得到一个生成模型并得到多波段图像融合结果。本发明实现了多波段图像端到端自监督融合的神经网络,结果具有更好的清晰度、信息量,细节信息更丰富,更符合人眼视觉特性。
-
公开(公告)号:CN113112441A
公开(公告)日:2021-07-13
申请号:CN202110480624.8
申请日:2021-04-30
Applicant: 中北大学
Abstract: 本发明涉及多波段图像同步超分与融合方法,即同步实现多波段图像融合和图像超分辨率,具体为基于密集网络和局部亮度遍历算子的多波段低分辨率图像同步融合方法,本方法按如下步骤进行:设计并构建生成对抗网络,网络结构采用构思的特征提取模块、特征融合模块和图像超分辨率模块三部分组成,通过生成器和判别器的动态平衡训练得到一个生成模型并得到融合增强结果。损失函数中内容损失的亮度提取部分采用构造的局部亮度遍历算子。本发明实现了多波段图像端到端同步超分与融合神经网络,由于在网络最后一层才放大源图像,大大提升网络的效率,降低资源耗费。
-
公开(公告)号:CN113112441B
公开(公告)日:2022-04-26
申请号:CN202110480624.8
申请日:2021-04-30
Applicant: 中北大学
Abstract: 本发明涉及多波段图像同步超分与融合方法,即同步实现多波段图像融合和图像超分辨率,具体为基于密集网络和局部亮度遍历算子的多波段低分辨率图像同步融合方法,本方法按如下步骤进行:设计并构建生成对抗网络,网络结构采用构思的特征提取模块、特征融合模块和图像超分辨率模块三部分组成,通过生成器和判别器的动态平衡训练得到一个生成模型并得到融合增强结果。损失函数中内容损失的亮度提取部分采用构造的局部亮度遍历算子。本发明实现了多波段图像端到端同步超分与融合神经网络,由于在网络最后一层才放大源图像,大大提升网络的效率,降低资源耗费。
-
公开(公告)号:CN114998566B
公开(公告)日:2024-10-15
申请号:CN202210503167.4
申请日:2022-05-09
Applicant: 中北大学
IPC: G06V10/143 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 针对复杂背景下红外弱小目标检测鲁棒性较低的难题,本发明提出了一种可解释的多尺度红外弱小目标检测网络设计方法。本发明网络模型首先对输入红外源图像进行细节特征提取和目标增强,经过多个多尺度目标增强模块级联处理后得到低层细节特征和高层语义特征;然后利用全局目标响应结构对低层细节特征和高层语义特征进行上下文建模,获取真实目标像素长距离依赖;接着利用多层特征融合结构对低层细节特征、深层语义特征、局部特征及全局特征进行重复性、冗余性融合,在高维数据中完成了对真实目标和背景噪声的像素分类;最后通过多损失联合约束结构联合多个损失函数约束网络输出,使其接近真实目标数据分布,得到真实目标检测结果。
-
公开(公告)号:CN118470303A
公开(公告)日:2024-08-09
申请号:CN202410617924.X
申请日:2024-05-17
Applicant: 中北大学
IPC: G06V10/25 , G06V10/80 , G06V10/42 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/084
Abstract: 针对复杂背景条件下红外弱小目标特征信息易在编码阶段丢失、真实目标易受背景干扰物影响的问题,本发明提出了基于特征补偿的红外弱小目标检测网络设计方法。本发明网络模型首先将输入的红外图像传入级联特征提取模块进行浅层和深层特征提取;然后利用多级特征补偿模块对编码阶段下采样后的特征图进行特征补偿,将弱小目标的特征传递至网络深层;接着通过全局特征交互模块对特征图中的目标特征和背景特征进行全局建模,实现目标增强和背景抑制;最后通过跨层特征融合模块将浅层特征和深层特征进行重复性融合,完成对真实目标和背景噪声的像素分类,实现目标解码,得到真实目标检测结果。
-
公开(公告)号:CN111915545A
公开(公告)日:2020-11-10
申请号:CN202010784272.0
申请日:2020-08-06
Applicant: 中北大学
Abstract: 本发明涉及多波段图像融合方法,具体为基于多判别器生成对抗网络的多波段图像自监督融合方法,本方法按如下步骤进行:设计并构建生成对抗网络,网络由一个生成器和多个判别器组成,且标签图像为多波段源图像自身;生成器网络结构采用构思的特征增强模块、特征融合模块两部分组成,通过生成器和判别器的动态平衡训练得到一个生成模型并得到多波段图像融合结果。本发明实现了多波段图像端到端自监督融合的神经网络,结果具有更好的清晰度、信息量,细节信息更丰富,更符合人眼视觉特性。
-
公开(公告)号:CN118736364A
公开(公告)日:2024-10-01
申请号:CN202410799468.5
申请日:2024-06-20
Applicant: 中北大学
IPC: G06V10/80 , G06V10/26 , G06V10/82 , G06V10/764 , G06N3/0464
Abstract: 本发明涉及红外图像弱小目标检测领域,具体为一种稀疏注意力和多尺度特征融合的红外小目标检测网络框架,在网络下采样、感知中引入特征图组,增强小目标特征图组的权重,提高小目标的表征能力;在跳连接中引入全连接层,从全局感受野中抑制结构相似的背景,从而提高目标与背景的对比度;利用Biformer模块学习小目标和背景之间的远程关系,有效弥补细节纹理特征匮乏的不足,提高了特征的表达能力;采用自适应非对称融合模块,充分挖掘红外弱小目标的浅层空间特征和深层语义特征,从高、低层特征中融合多尺度上下文信息。完成对真实目标和背景噪声的像素分类,得到真实目标检测结果。
-
公开(公告)号:CN113822352B
公开(公告)日:2024-05-17
申请号:CN202111078520.0
申请日:2021-09-15
Applicant: 中北大学
Abstract: 本发明提出了基于多特征融合的红外弱小目标检测方法,先基于红外弱小目标局部灰度值大的特性,利用目标与邻域背景的灰度对比度对真实目标进行增强、部分复杂背景进行抑制。其次,利用红外弱小目标自身灰度信息符合二维高斯分布的特性,通过计算红外弱小目标边缘像素点与中心像素点之间的距离和灰度差的协方差来检测目标,得到显着图一。再次,利用红外弱小目标与邻域相似度低的特性,通过计算相似性因子来检测目标,得到显着图二。最后,将显着图一与显着图二进行点乘,通过融合红外弱小目标多种特性得到最终显着图,对最终显着图计算简单阈值进行分割得到最终检测结果。本发明有效抑制了红外图像中的复杂杂波,同时提升了弱小目标检测的精度。
-
公开(公告)号:CN116645666A
公开(公告)日:2023-08-25
申请号:CN202310594629.2
申请日:2023-05-25
Applicant: 中北大学
IPC: G06V20/70 , G06V10/80 , G06V10/40 , G06V10/82 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及图像描述方法和图像融合方法,尤其涉及多波段图像描述生成方法,具体为基于特征融合的多波段图像描述生成方法。在将红外探测成像引入图像描述领域并建立可见光图像‑红外图像描述数据集的基础上,首先使用多层卷积神经网络分别对可见光图像和红外图像提取特征;再根据不同探测波段的互补性,设计特征融合增强模块在空间级和通道级实现特征的融合增强;最后,构建注意力机制增强模块,建立图像和文本的深度关系,消除传统加性注意力机制产生的噪声,实现多波段图像描述生成,可用于安防监控和军事侦察等复杂场景理解。
-
公开(公告)号:CN113822352A
公开(公告)日:2021-12-21
申请号:CN202111078520.0
申请日:2021-09-15
Applicant: 中北大学
Abstract: 本发明提出了基于多特征融合的红外弱小目标检测方法,先基于红外弱小目标局部灰度值大的特性,利用目标与邻域背景的灰度对比度对真实目标进行增强、部分复杂背景进行抑制。其次,利用红外弱小目标自身灰度信息符合二维高斯分布的特性,通过计算红外弱小目标边缘像素点与中心像素点之间的距离和灰度差的协方差来检测目标,得到显着图一。再次,利用红外弱小目标与邻域相似度低的特性,通过计算相似性因子来检测目标,得到显着图二。最后,将显着图一与显着图二进行点乘,通过融合红外弱小目标多种特性得到最终显着图,对最终显着图计算简单阈值进行分割得到最终检测结果。本发明有效抑制了红外图像中的复杂杂波,同时提升了弱小目标检测的精度。
-
-
-
-
-
-
-
-
-