公开(公告)号：CN117475474B

公开(公告)日：2024-10-15

申请号：CN202311418003.2

申请日：2023-10-30

Applicant: 中国矿业大学

Inventor： 程德强 ,  姬广凯 ,  寇旗旗 ,  江鹤 ,  宋天舒 ,  王晓艺 ,  苏振

IPC: G06V40/10 ,  G06V10/80 ,  G06V10/82 ,  G06V10/10 ,  G06V10/762 ,  G06N3/0464 ,  G06N3/09

Abstract: 一种用于智能安防的跨模态行人重识别系统及方法，系统包括图像预处理模块、图像获取模块、网络构建模块、网络训练模块和指标评估模块；方法包括：特征提取；构建图卷积神经进行特征融合；多级特征聚合机制；损失函数优化。本发明通过提出多样化嵌入拓展模块，通过多分支卷积生成结构，基于局部异构聚合图卷积网络的方法，利用图结构关系对提取到的局部关键点特征进行信息融合的方法，提取更多高层次特征信息；对损失函数进一步优化，提出中心引导对挖掘损失和正交损失，其以端到端的方式去除冗余，提供了更简单优化的网络结构，减弱了行人图像在可见光模态和红外模态下存在的差异，减少噪声的产生,极大提高了行人图像在图像库中检索的效率。

公开(公告)号：CN116977220B

公开(公告)日：2024-02-13

申请号：CN202310985961.1

申请日：2023-08-07

Applicant: 中国矿业大学

Inventor： 宋天舒 ,  程德强 ,  寇旗旗 ,  李雷达 ,  陈亮亮 ,  江鹤

IPC: G06T5/73 ,  G06T5/60 ,  G06T7/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 质量先验知识，提高了模型的去模糊效果和泛化本发明属于图像去模糊处理技术领域，具体 性能。地说，是一种基于图像质量启发的盲图像去运动模糊算法，基于去模糊算法旨在提高图像质量以及去模糊过程缺乏先验知识的事实，提出了图像质量先验引导的盲图像去运动模糊算法。具体而言，首先，借助基于深度神经网络的无参考图像质量评价模型提取包含质量信息的深度特征作为先验知识。然后，采用特征预测策略将先验知识嵌入图像去模糊模型的编码器中。最后，采用编码器复用策略将图像去模糊模型中解码器的(56)对比文件Tianshu Song等.Knowledge-Guided BlindImage Quality Assessment with FewTraining Samples《.IEEE Transactions onMultimedia》.2022,第1-12页.Manri Cheon等.Perceptual ImageQuality Assessment with Transformers.《CVPR》.2021,第433-442页.Siddhant Sahu等.Blind Deblurringusing Deep Learning: A Survey《.arXiv:1907.10128v1》.2019,第1-9页.

公开(公告)号：CN119273577B

公开(公告)日：2025-05-13

申请号：CN202411383819.0

申请日：2024-09-30

Applicant: 中国矿业大学

Inventor： 江鹤 ,  乙夫迪 ,  顾豪 ,  郑州 ,  黄欣 ,  孙蟒 ,  郑平 ,  程德强

IPC: G06T5/70 ,  H04N5/21 ,  G06T7/269 ,  G06T5/60 ,  G06N3/0464

Abstract: 本发明提供了一种低光照环境下的视频优化方法、装置、设备及介质，属于图像去噪领域，该方法包括：获取低光照环境下目标视频的运动矢量和连续帧；将运动矢量转换为光流图，根据该连续帧中的图像帧上下文信息将光流图进一步平滑化，得到粗略光流图；确定该连续帧中相邻两个图像帧的相关关系；根据该相关关系对粗略光流图进行迭代优化。这样，通过图像连续帧的上下文信息将光流图转化粗略光流图，进而将粗略光流图作为初始值进行迭代，这样针对不同的视频进行相应的光流处理，具有较高的泛用性，而且光流处理能够深入到目标视频的像素层面，具有较高的鲁棒性，最后通过光流处理实现对每个像素的迭代，从而完成对目标视频进行优化。

公开(公告)号：CN119228651B

公开(公告)日：2025-03-21

申请号：CN202411445754.8

申请日：2024-10-16

Applicant: 中国矿业大学

Inventor： 江鹤 ,  曹高廷 ,  顾豪 ,  乙夫迪 ,  郑州 ,  孙蟒 ,  黄欣 ,  程德强 ,  宋天舒

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于高频特征增强的图像超分辨率重建方法及装置，涉及图像超分辨率重建技术领域，本发明在高频特征增强的图像超分辨率重建模型的训练阶段，采用多尺度采样网络提取高频特征，并在多尺度采样网络中引入特征掩码模块提高特征融合的准确性，同时引入轻量级高频增强注意力机制并将其与多尺度采样网络融合构建高频特征自调节模块，此过程通过可学习的参数有效地融合了不同尺度和级别的高频特征到网络中，使得特征的提取能力大大提高，而后通过特征调节层生产的掩码矩阵建立多个高频特征自调节模块内不同层高频特征之间的映射关系，使特征间的交互大大加强，从而特征的利用率大大加强，因此重建后的图像质量极大提升。

公开(公告)号：CN117078659B

公开(公告)日：2024-01-26

申请号：CN202311221440.5

申请日：2023-09-21

Applicant: 中国矿业大学

Inventor： 宋天舒 ,  程德强 ,  寇旗旗 ,  李雷达 ,  陈亮亮 ,  江鹤

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/82 ,  G06N3/09

Abstract: 本发明属于图像质量评价技术领域，具体地说，是一种基于主动学习的少样本无参考图像质量评价算法，借助主动学习选择少量代表性样本以减少模型对样本数量的需求。首先，从图像质量和图像内容两个方面选择少量代表性样本；其次，对选中的少量样本进行人工标注，获得图像质量分数；然后，用有标注的少量样本进行prompt调优，以提升模型对图像质量评价任务的预测能力，并重复此过程，直到被选中的样本的总数达到预期数量；最后，采用所有被选中的样本同时微调prompt和模型的少量参数，完成模型的最终训练。本发明通过主动学习选择代表性样

公开(公告)号：CN116977220A

公开(公告)日：2023-10-31

申请号：CN202310985961.1

申请日：2023-08-07

Applicant: 中国矿业大学

Inventor： 宋天舒 ,  程德强 ,  寇旗旗 ,  李雷达 ,  陈亮亮 ,  江鹤

IPC: G06T5/00 ,  G06T7/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于图像去模糊处理技术领域，具体地说，是一种基于图像质量启发的盲图像去运动模糊算法，基于去模糊算法旨在提高图像质量以及去模糊过程缺乏先验知识的事实，提出了图像质量先验引导的盲图像去运动模糊算法。具体而言，首先，借助基于深度神经网络的无参考图像质量评价模型提取包含质量信息的深度特征作为先验知识。然后，采用特征预测策略将先验知识嵌入图像去模糊模型的编码器中。最后，采用编码器复用策略将图像去模糊模型中解码器的输出图像再次输入模型编码器中并预测质量评价模型提取的清晰图像的质量特征。本发明在不增加计算成本的基础上，为去模糊模型引入图像质量先验知识，提高了模型的去模糊效果和泛化性能。

公开(公告)号：CN115797181A

公开(公告)日：2023-03-14

申请号：CN202211709385.X

申请日：2022-12-29

Applicant: 中国矿业大学 ,  江苏华图矿业科技有限公司

Inventor： 程德强 ,  王子强 ,  寇旗旗 ,  徐飞翔 ,  江鹤 ,  王晓艺 ,  王振宇

IPC: G06T3/40 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种面向矿井模糊环境的图像超分辨率重建方法，属于图像重建技术领域，解决了现有技术中图像模糊不清的问题。具体包括：获取矿井内环境高清图像，并对图像进行预处理，得到处理后的高分辨率对应的低分辨率图像，组成图像对；基于所述图像对，建立超分重建网络模型；所述超分重建网络模型通过提取低分辨率图像的深层特征和浅层特征得到特征差异，基于所述特征差异对深层特征进行校准整合，基于整合后的深层特征重建得到高分辨率图像；获取矿井模糊环境图像，基于建立的所述超分重建网络模型得到重建后的高分辨率图像。实现了可以清晰地看到矿井下的画面，提高了图像的人眼视觉效果，更具真实性。

公开(公告)号：CN119228651A

公开(公告)日：2024-12-31

申请号：CN202411445754.8

申请日：2024-10-16

Applicant: 中国矿业大学

Inventor： 江鹤 ,  曹高廷 ,  顾豪 ,  乙夫迪 ,  郑州 ,  孙蟒 ,  黄欣 ,  程德强 ,  宋天舒

IPC: G06T3/4053 ,  G06T3/4046 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于高频特征增强的图像超分辨率重建方法及装置，涉及图像超分辨率重建技术领域，本发明在高频特征增强的图像超分辨率重建模型的训练阶段，采用多尺度采样网络提取高频特征，并在多尺度采样网络中引入特征掩码模块提高特征融合的准确性，同时引入轻量级高频增强注意力机制并将其与多尺度采样网络融合构建高频特征自调节模块，此过程通过可学习的参数有效地融合了不同尺度和级别的高频特征到网络中，使得特征的提取能力大大提高，而后通过特征调节层生产的掩码矩阵建立多个高频特征自调节模块内不同层高频特征之间的映射关系，使特征间的交互大大加强，从而特征的利用率大大加强，因此重建后的图像质量极大提升。

公开(公告)号：CN117078659A

公开(公告)日：2023-11-17

申请号：CN202311221440.5

申请日：2023-09-21

Applicant: 中国矿业大学

Inventor： 宋天舒 ,  程德强 ,  寇旗旗 ,  李雷达 ,  陈亮亮 ,  江鹤

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/82 ,  G06N3/09

Abstract: 本发明属于图像质量评价技术领域，具体地说，是一种基于主动学习的少样本无参考图像质量评价算法，借助主动学习选择少量代表性样本以减少模型对样本数量的需求。首先，从图像质量和图像内容两个方面选择少量代表性样本；其次，对选中的少量样本进行人工标注，获得图像质量分数；然后，用有标注的少量样本进行prompt调优，以提升模型对图像质量评价任务的预测能力，并重复此过程，直到被选中的样本的总数达到预期数量；最后，采用所有被选中的样本同时微调prompt和模型的少量参数，完成模型的最终训练。本发明通过主动学习选择代表性样本，减少了模型对训练样本的依赖，有效提升了模型在少样本训练场景下的预测能力和泛化能力。

公开(公告)号：CN119559049A

公开(公告)日：2025-03-04

申请号：CN202411618585.3

申请日：2024-11-13

Applicant: 中国矿业大学

Inventor： 江鹤 ,  郑州 ,  朱晨滔 ,  孙蟒 ,  程德强 ,  宋天舒 ,  陈亮亮 ,  黄欣

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0455

Abstract: 本发明公开了一种基于多域信息增强的图像超分辨率重建方法及装置，涉及单幅图像超分辨率重建技术领域，本发明构建多路大核可分离注意力模块、多路大核注意力模块、高频特征增强模块及局部信息增强注意力模块，并与层归一化整合形成多域信息增强特征提取块从而形成多域信息增强的轻量级图像超分辨率重建网络模型，对模型内浅层特征提取模块、深层特征提取模块及重建模块内的参数集分别训练，使模型内所包含四个模块分别对图像中的局部信息、高频信息、长程信息、横纵方向上的频率成分重点关注，从而能从图像中的整体布局、细节信息、纹理信息及物体形象四个方面提升网络重建图像的质量，使得图像的质量大大提高。