-
公开(公告)号：CN117218169A
公开(公告)日：2023-12-12
申请号：CN202311486251.0
申请日：2023-11-09
Applicant: 北京科技大学 , 北京科技大学顺德创新学院
IPC: G06T7/33 , G06V10/40 , G06V10/10 , G06V10/82 , G06V10/80 , G06V10/24 , G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种融合深度信息的图像配准方法和装置，包括：生成待配准图像和参考图像的深度矩阵和灰度图像；对每张灰度图像进行基于不同尺度下的特征点提取，对每个深度矩阵进行基于固定滑块的特征点提取；对每张灰度图像进行位置编码，将由位置编码组成的数值矩阵附加给原灰度图像，将特征点对应在附加位置编码的灰度图像中并转化为特征向量，通过注意力机制，获取匹配的第一特征点对；获取剩下未匹配的特征点的特征描述子，根据深度信息计算特征描述子之间的最短欧氏距离，获取匹配的第二特征点对；基于第一和第二特征点对，计算相应的仿射变换矩阵，进行仿射变换，完成待配准图像和参考图像的配准。本发明能实现不同形式图像之间的自动配准。
-
公开(公告)号：CN118227985B
公开(公告)日：2024-10-22
申请号：CN202410215959.0
申请日：2024-02-27
Applicant: 北京科技大学 , 北京科技大学顺德创新学院
IPC: G06F18/20 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/042 , G06N3/09
Abstract: 本发明提供一种基于马尔科夫扩散方式的新能源负荷数据重建方法和系统，包括：获取待重建新能源负荷数据，包括存在缺失异常值的目标数据，以及对应的影响目标数据的时序数据和静态数据；输入多时空尺度同步图神经网络，输出带有时空尺度特征的待重建新能源负荷数据；输入影响因素协变量特征融合模块，输出既带有时空尺度特征又带有影响因素协变量特征的待重建新能源负荷数据；对缺失异常部分加噪，将其他部分目标数据、以及所有的时序数据和静态数据作为条件数据，使用基于马尔科夫扩散方式搭建的扩散模型对加噪后的缺失异常部分反向去噪，输出缺失异常部分的重建值。本发明能对新能源负荷数据的缺失异常部分进行高效准确地重建。
-
公开(公告)号：CN117593235B
公开(公告)日：2024-04-09
申请号：CN202410070687.X
申请日：2024-01-18
Applicant: 北京科技大学 , 北京科技大学顺德创新学院
IPC: G06T5/92 , G06T5/60 , G06T5/70 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明提供一种基于深度CNN去噪先验的Retinex变分水下图像增强方法和装置，包括：输入水下降质图像，并利用归一化颜色修正方法进行颜色修正；从RGB颜色空间转换到HSV颜色空间；根据Retinex理论，将HSV颜色空间的亮度通道分解成反射率分量和光照分量，采用深度CNN去噪器学习反射率分量和光照分量的隐式先验，通过交替迭代优化算法得到反射率分量和光照分量的增强结果；利用伽马修正方法修正光照分量的增强结果；将反射率分量的增强结果和伽马修正后的光照分量进行图像像素的逐点相乘，得到增强后的亮度通道，合并增强后的亮度通道、HSV颜色空间的色度通道和饱和度通道，转换到RGB空间，得到并输出最终的水下增强图像。本发明能高效地输出优质水下增强图像。
-
公开(公告)号：CN117934340B
公开(公告)日：2024-06-04
申请号：CN202410342527.6
申请日：2024-03-25
Applicant: 北京科技大学 , 北京科技大学顺德创新学院
Abstract: 本发明提供一种基于深度展开网络的Retinex变分水下图像增强方法和装置，涉及水下图像增强技术领域，包括：输入水下降质图像；利用颜色白平衡方法进行颜色修正；将颜色修正后的水下图像的HSV颜色空间的亮度通道分解成反射率分量和光照分量，采用深度展开网络学习反射率分量和光照分量的各自图像先验及一阶梯度先验，通过交替迭代优化的网络展开方法得到反射率分量和光照分量的增强结果；利用伽马修正方法修正光照分量的增强结果；将反射率分量的增强结果和伽马修正后的光照分量逐点相乘，得到增强后的亮度通道，合并增强后的亮度通道、HSV颜色空间的色度通道和饱和度通道，转换到RGB空间，得到最终的水下增强图像。本发明能高效地输出优质水下增强图像。
-
公开(公告)号：CN117934340A
公开(公告)日：2024-04-26
申请号：CN202410342527.6
申请日：2024-03-25
Applicant: 北京科技大学 , 北京科技大学顺德创新学院
Abstract: 本发明提供一种基于深度展开网络的Retinex变分水下图像增强方法和装置，涉及水下图像增强技术领域，包括：输入水下降质图像；利用颜色白平衡方法进行颜色修正；将颜色修正后的水下图像的HSV颜色空间的亮度通道分解成反射率分量和光照分量，采用深度展开网络学习反射率分量和光照分量的各自图像先验及一阶梯度先验，通过交替迭代优化的网络展开方法得到反射率分量和光照分量的增强结果；利用伽马修正方法修正光照分量的增强结果；将反射率分量的增强结果和伽马修正后的光照分量逐点相乘，得到增强后的亮度通道，合并增强后的亮度通道、HSV颜色空间的色度通道和饱和度通道，转换到RGB空间，得到最终的水下增强图像。本发明能高效地输出优质水下增强图像。
-
Patent Agency Ranking
公开(公告)号：CN118227985A
公开(公告)日：2024-06-21
申请号：CN202410215959.0
申请日：2024-02-27
Applicant: 北京科技大学 , 北京科技大学顺德创新学院
IPC: G06F18/20 , G06F18/10 , G06F18/213 , G06F18/214 , G06N3/042 , G06N3/09
Abstract: 本发明提供一种基于马尔科夫扩散方式的新能源负荷数据重建方法和系统，包括：获取待重建新能源负荷数据，包括存在缺失异常值的目标数据，以及对应的影响目标数据的时序数据和静态数据；输入多时空尺度同步图神经网络，输出带有时空尺度特征的待重建新能源负荷数据；输入影响因素协变量特征融合模块，输出既带有时空尺度特征又带有影响因素协变量特征的待重建新能源负荷数据；对缺失异常部分加噪，将其他部分目标数据、以及所有的时序数据和静态数据作为条件数据，使用基于马尔科夫扩散方式搭建的扩散模型对加噪后的缺失异常部分反向去噪，输出缺失异常部分的重建值。本发明能对新能源负荷数据的缺失异常部分进行高效准确地重建。
-
公开(公告)号：CN117593235A
公开(公告)日：2024-02-23
申请号：CN202410070687.X
申请日：2024-01-18
Applicant: 北京科技大学 , 北京科技大学顺德创新学院
IPC: G06T5/92 , G06T5/60 , G06T5/70 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明提供一种基于深度CNN去噪先验的Retinex变分水下图像增强方法和装置，包括：输入水下降质图像，并利用归一化颜色修正方法进行颜色修正；从RGB颜色空间转换到HSV颜色空间；根据Retinex理论，将HSV颜色空间的亮度通道分解成反射率分量和光照分量，采用深度CNN去噪器学习反射率分量和光照分量的隐式先验，通过交替迭代优化算法得到反射率分量和光照分量的增强结果；利用伽马修正方法修正光照分量的增强结果；将反射率分量的增强结果和伽马修正后的光照分量进行图像像素的逐点相乘，得到增强后的亮度通道，合并增强后的亮度通道、HSV颜色空间的色度通道和饱和度通道，转换到RGB空间，得到并输出最终的水下增强图像。本发明能高效地输出优质水下增强图像。
-
公开(公告)号：CN117218169B
公开(公告)日：2024-02-23
申请号：CN202311486251.0
申请日：2023-11-09
Applicant: 北京科技大学 , 北京科技大学顺德创新学院
IPC: G06T7/33 , G06V10/40 , G06V10/10 , G06V10/82 , G06V10/80 , G06V10/24 , G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种融合深度信息的图像配准方法和装置，包括：生成待配准图像和参考图像的深度矩阵和灰度图像；对每张灰度图像进行基于不同尺度下的特征点提取，对每个深度矩阵进行基于固定滑块的特征点提取；对每张灰度图像进行位置编码，将由位置编码组成的数值矩阵附加给原灰度图像，将特征点对应在附加位置编码的灰度图像中并转化为特征向量，通过注意力机制，获取匹配的第一特征点对；获取剩下未匹配的特征点的特征描述子，根据深度信息计算特征描述子之间的最短欧氏距离，获取匹配的第二特征点对；基于第一和第二特征点对，计算相应的仿射变换矩阵，进行仿射变换，完成待配准图像和参考图像的配准。本发明能实现不同形式图像之间的自动配准。
-
公开(公告)号：CN119942061A
公开(公告)日：2025-05-06
申请号：CN202411841865.0
申请日：2024-12-13
Applicant: 北京科技大学
IPC: G06V10/25 , G06V10/44 , G06V10/771 , G06V10/77 , G06V10/80 , G06V10/774 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/82 , G06V20/70 , G06F16/583 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明提供一种基于自适应典型样本学习技术的跨场景皮带缺陷识别方法及装置，涉及缺陷检测技术领域。该方法包括：构建支持图像数据集以及查询图像数据集；将支持图像数据集以及查询图像数据集输入缺陷识别基础模型，获得第一支持图像特征以及第一查询图像特征；将第一支持图像特征以及第一查询图像特征输入原型自适应模块进行特征增强；根据支持图像数据集、查询图像数据集和检测缺陷图像数据集构建损失函数；对原型自适应模型进行优化，获得优化原型自适应模型；根据待识别皮带图像数据集，基于缺陷识别基础模型以及优化原型自适应模型进行皮带缺陷识别。本发明是一种基于典型样本学习的仅需少量标注的高效且准确的跨场景皮带缺陷识别方法。
-
公开(公告)号：CN119478423B
公开(公告)日：2025-05-02
申请号：CN202510046546.9
申请日：2025-01-13
Applicant: 北京科技大学
IPC: G06V10/26 , G06V20/13 , G06V20/17 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明提供一种基于开放域的跨模态遥感图像目标分割方法及装置，涉及遥感图像分割技术领域。该方法包括：对俯瞰遥感大图进行数据处理，获得文本引导遥感图像数据集；基于物体掩码标注获得前景标签数据以及背景标签数据；根据文本引导遥感图像数据集，通过开放域图像分割模型进行图像分割预测，获得分类预测结果；根据分类损失、图像特征重构损失和文本特征重构损失，对开放域图像分割模型进行参数优化，获得优化开放域图像分割模型；将待分割标注遥感图像输入优化开放域图像分割模型，获得遥感图像分割结果。本发明是一种开放性的分割类别灵活且分割目标精准的跨模态遥感图像目标分割方法。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.021 seconds)
