-
公开(公告)号：CN111986075A
公开(公告)日：2020-11-24
申请号：CN202010807580.0
申请日：2020-08-12
Applicant: 兰州交通大学
Abstract: 本发明涉及图像处理领域，具体为一种目标边缘清晰化的风格迁移方法，实现步骤为：搭建深度神经抠图网络；对原始风格图像和原始内容图像进行特征图提取、风格图像重建和内容图像重建；优化风格图像和内容图像产生的损失函数；计算原始风格图像与提取的内容图像特征图之间的欧氏距离；计算原始风格图像与提取的风格图像特征图之间的均方误差；确定风格图像与原始风格图像和内容图像的总损失函数；将总损失函数计算的误差进行迭代更新，并输出风格图像。本发明实现了风格图像的结构约束、纹理合成以及风格类似的图像之间的参数共享。
-
公开(公告)号：CN111986132A
公开(公告)日：2020-11-24
申请号：CN202010807576.4
申请日：2020-08-12
Applicant: 兰州交通大学
Abstract: 本发明涉及图像领域，具体为一种基于DLatLRR与VGG·Net的红外与可见光图像融合方法，有效的解决了红外与可见光图像融合中的特征损失严重、显著目标不突出的问题。通过DLatLRR将源图像分解为低秩部分、显著部分及稀疏噪声，并基于VGG 16的特征提取算法对低秩部分进行融合，最后对融合后的低秩部分和显著部分进行图像重建得到融合图像。本发明算法的融合图像不仅清晰度高、层次鲜明，细节信息丰富，受噪声影响小，而且图像的对比度较高，场景中的显著区域、目标相对更加突出。
-
公开(公告)号：CN111080568B
公开(公告)日：2023-05-26
申请号：CN201911280623.8
申请日：2019-12-13
Applicant: 兰州交通大学
Abstract: 本发明提供了一种基于Tetrolet变换的近红外与彩色可见光图像融合算法，属于图像处理技术领域，用于解决近红外与彩色可见光图像融合后对比度低、细节不清晰的问题。首先将彩色可见光图像转换到HSI空间，将其亮度分量与红外图像分别进行Tetrolet变换，得到低频和高频子带系数；其次，针对低频子带系数提出一种期望最大的低频系数融合规则，针对高频子带系数提出一种自适应的PCNN模型作为融合规则；经过Tetrolet逆变换得到融合后的亮度图像；然后，提出了一种饱和度分量拉伸方法；最后，将处理后的各个分量反向映射到RGB空间，完成图像融合。本方法得到的融合图像，细节清晰，颜色饱满，色彩对比度得到明显提升。
-
Patent Agency Ranking
公开(公告)号：CN111985372A
公开(公告)日：2020-11-24
申请号：CN202010806778.7
申请日：2020-08-12
Applicant: 兰州交通大学
Abstract: 本发明涉及河流图像提取领域，具体为一种深度学习的遥感影像水体提取系统，有效的解决了河流边缘细节难以提取和有标签数据难获取的问题；实现步骤为：对训练图进行数据增强；对增强数据进行归一化处理；将处理数据输入到语义分割网络的编码器中，得到粗粒度语义图；将粗粒度语义图输入语义分割网络的解码器中，得到细粒度语义图；对粗粒度语义图和细粒度语义图进行非均匀采样；对粗粒度语义图和细粒度语义图进行特征融合；使用损失函数对网络进行调参，当损失函数值最小时输出，得到最优语义分割网络。本发明可以实现河流高分辨率影像提取。
-
公开(公告)号：CN111986075B
公开(公告)日：2022-08-09
申请号：CN202010807580.0
申请日：2020-08-12
Applicant: 兰州交通大学
Abstract: 本发明涉及图像处理领域，具体为一种目标边缘清晰化的风格迁移方法，实现步骤为：搭建深度神经抠图网络；对原始风格图像和原始内容图像进行特征图提取、风格图像重建和内容图像重建；优化风格图像和内容图像产生的损失函数；计算原始风格图像与提取的内容图像特征图之间的欧氏距离；计算原始风格图像与提取的风格图像特征图之间的均方误差；确定风格图像与原始风格图像和内容图像的总损失函数；将总损失函数计算的误差进行迭代更新，并输出风格图像。本发明实现了风格图像的结构约束、纹理合成以及风格类似的图像之间的参数共享。
-
公开(公告)号：CN111080568A
公开(公告)日：2020-04-28
申请号：CN201911280623.8
申请日：2019-12-13
Applicant: 兰州交通大学
Abstract: 本发明提供了一种基于Tetrolet变换的近红外与彩色可见光图像融合算法，属于图像处理技术领域，用于解决近红外与彩色可见光图像融合后对比度低、细节不清晰的问题。首先将彩色可见光图像转换到HSI空间，将其亮度分量与红外图像分别进行Tetrolet变换，得到低频和高频子带系数；其次，针对低频子带系数提出一种期望最大的低频系数融合规则，针对高频子带系数提出一种自适应的PCNN模型作为融合规则；经过Tetrolet逆变换得到融合后的亮度图像；然后，提出了一种饱和度分量拉伸方法；最后，将处理后的各个分量反向映射到RGB空间，完成图像融合。本方法得到的融合图像，细节清晰，颜色饱满，色彩对比度得到明显提升。
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
