-
公开(公告)号：CN119399337A
公开(公告)日：2025-02-07
申请号：CN202411452920.7
申请日：2024-10-17
Applicant: 北京邮电大学
IPC: G06T15/00 , G06T3/4053 , G06T3/4007 , G06T3/4046
Abstract: 本发明公开了一种基于时空超分辨率和神经辐射场的三维场景渲染方法，属于三维场景重建领域，该方法包括以下步骤：将多视图图像输入神经辐射场得到目标帧低分辨率图像和支持帧低分辨率图像；对目标帧低分辨率图像进行上采样处理得到第一分支的目标帧高分辨率图像；基于目标帧低分辨率图像和支持帧低分辨率图像采用视频插值网络处理并进行图像投影得到第二分支的目标帧高分辨率图像；将第一分支的目标帧高分辨率图像和第二分支的目标帧高分辨率图像输入轻量级神经渲染器得到目标三维场景。
-
公开(公告)号：CN114841861B
公开(公告)日：2024-07-23
申请号：CN202210565019.5
申请日：2022-05-23
Applicant: 北京邮电大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/00 , G06N3/0464 , G06N3/048 , G06V40/18 , G06V10/20 , G06V10/82
Abstract: 本发明涉及图像处理技术领域，提出了基于经验模态分解的图像超分辨系统，输入模块，用于获得第一图像；所述第一图像为低分辨率图像；特征提取模块，用于所述提取第一图像的特征；IMF预测模块，用于根据所述第一图像的特征，预测得到多个IMF特征图；所述多个IMF特征图位于不同的频率；所述IMF预测模块包括多个平行的分支，每个分支为一个CNN滤波器组，且所述分支的数量与所述IMF特征图的数量相同；重建模块，用于根据设定的放大比例，将每一IMF特征图转换为新的IMF，得到多个新的IMF；将多个新的IMF进行叠加得到第二图像，所述第二图像为超分辨率图像。通过上述技术方案，解决了现有技术中图像分辨率低、导致虹膜识别精度低的问题。
-
公开(公告)号：CN113920591B
公开(公告)日：2024-06-14
申请号：CN202111300576.6
申请日：2021-11-04
Applicant: 北京邮电大学
IPC: G06V40/70 , G06V40/16 , G06V10/141 , G06V10/80 , G06V10/764
Abstract: 本发明提供一种基于多模态生物特征识别的中远距离身份认证方法及装置，所述方法首先基于可见光场景相机拍摄场景图片检测用户，进一步通过对场景图片内待认证用户的位置调整双目深度相机、红外虹膜相机和补光灯模组的角度朝向所述待认证用户。基于双目深度相机对待认证用户的距离的检测，根据距离调整红外虹膜相机角度和焦距，根据距离调整补光灯模组的角度和亮度，以拍摄出高清的人脸图像和虹膜图像。基于人脸图像和虹膜图像分别提取人脸特征和虹膜特征并融合后用于身份认证，极大提高了识别准确度。所述装置通过双目深度相机确定待认证用户的距离，基于待认证用户的位置和距离调整红外虹膜相机角度和焦距，能够获得更清晰的人脸图像和虹膜图像。
-
公开(公告)号：CN119417964A
公开(公告)日：2025-02-11
申请号：CN202411461404.0
申请日：2024-10-18
Applicant: 北京邮电大学
IPC: G06T15/00 , G06T5/50 , G06T5/60 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种基于空间融合的高斯溅射通用渲染增强方法，包括以下步骤：获取待处理的真实图像；构建高斯溅射风格的退化模拟器，并在所述退化模拟器中加入门控机制，选择图像退化过程中的退化类型，生成训练数据集；将待处理的真实图像输入到所述退化模拟器中，生成训练图像；构建高斯增强器，所述高斯增强器利用空间信息融合网络，通过视图融合模块和深度调制模块分别对所述训练图像进行特征融合和增强渲染的处理，生成最终增强结果。本发明可以混合高度相关、高质量的训练图像，并利用目标图像的深度信息来完成渲染细节，从而提高图像的输出渲染质量。
-
公开(公告)号：CN114463214A
公开(公告)日：2022-05-10
申请号：CN202210108471.9
申请日：2022-01-28
Applicant: 北京邮电大学
Abstract: 本发明涉及虹膜补全技术领域，提出了区域注意力机制引导的双路虹膜补全方法及系统，包括Transformer编码器、CNN编码器、融合模块、残差块、区域注意力模块和解码器。通过引入区域注意力机制，使用二值遮挡图像m来约束特征图f1和特征图f2两个不同的注意力输出，对于f2，关注其中对应输入图像的遮挡部分，对于f1，关注其中对应输入图像的非遮挡部分，使得网络更加关注虹膜图像中遮挡区域的修复，生成高质量虹膜补全图像。
-
Patent Agency Ranking
公开(公告)号：CN115424337A
公开(公告)日：2022-12-02
申请号：CN202211074175.8
申请日：2022-09-02
Applicant: 北京邮电大学
Abstract: 本发明涉及图像处理技术领域，提出了基于先验引导的虹膜图像修复系统，包括生成器和判别器，所述生成器包括：退化去除子网络，用于对输入图像进行特征提取，得到第一图像yc；所述第一图像yc为超分辨率、去模糊的图像；先验估计子网络，用于根据第一图像yc得到先验知识中的风格信息pi；所述风格信息pi中包含虹膜图像的颜色、形状和纹理信息；先验融合子网络，用于将第一图像yc和风格信息pi进行融合，得到先验融合特征；所述先验融合特征用于生成清晰的修复图像通过上述技术方案，解决了现有技术中低分辨率、模糊的虹膜图像导致虹膜识别准确率下降的问题。
-
公开(公告)号：CN119832169A
公开(公告)日：2025-04-15
申请号：CN202510315199.5
申请日：2025-03-18
Applicant: 北京邮电大学
IPC: G06T17/00 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本公开提供了一种目标物体三维重建方法及装置、电子设备、存储介质，属于图像处理技术领域，该方法包括：基于第一样本集训练高斯模型，得到第一高斯网络；第一样本集包括暗光条件下的多个第一RGB图像；基于第二样本集训练神经网络模型，得到暗光增强网络；将第一RGB图像、以及第一RGB图像对应的第一热图输入暗光增强网络，将暗光增强网络的输出和第一热图输入第一高斯网络进行联合训练，得到第二高斯网络；基于第二高斯网络对目标物体进行三维重建。本公开提供的目标物体三维重建方法及装置、电子设备、存储介质可以提高暗光条件下目标物体三维重建的精度。
-
公开(公告)号：CN119417700A
公开(公告)日：2025-02-11
申请号：CN202411460838.9
申请日：2024-10-18
Applicant: 北京邮电大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/77 , G06T5/70 , G06T5/20 , G06N3/0464 , G06N3/0475 , G06N3/0455 , G06N3/0499 , G06N3/094 , G06V40/16 , G06V10/44 , G06V10/771 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种可防御对抗攻击的人脸图像超分辨率方法、系统及存储介质，包括：基于经验模态分解构建频率感知分解网络模型；获取干净样本集，基于所述干净样本集获得对抗样本集；基于干净样本集和对抗样本集对所述频率感知分解网络模型进行对抗训练；将给定的人脸图像输入至训练后的频率感知分解网络模型，获得深度特征；基于所述深度特征获得固有模态函数特征图，基于所述固有模态函数特征图重建人脸图像。本发明通过结合EMD的多分支结构、高频噪声抑制器和可学习的提示，提供了一种鲁棒且高效的FSR模型，能够在对抗噪声存在的情况下，有效地恢复人脸图像的高频细节，提高识别准确性和视觉质量。
-
公开(公告)号：CN115620080A
公开(公告)日：2023-01-17
申请号：CN202211177298.4
申请日：2022-09-26
Applicant: 北京邮电大学
IPC: G06V10/774 , G06V10/80 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，提出了虹膜图像生成方法及系统，包括：获得隐空间Z，隐空间Z包括多个向量组，每个向量组包括向量Zi、向量Zo和向量Zt；多个生成图像分为类内图像和类间图像，类内图像为：向量Zi和向量Zt均相同的多个向量组生成的图像，类间图像为：向量Zi和向量Zt均不同的多个向量组生成的图像；将每两个类内图像以及每两个类间图像分别输入识别网络，得到每两个类内图像以及每两个类间图像的匹配概率，并根据匹配概率计算对比损失；根据对比损失和对抗损失计算目标函数，优化生成对抗网络参数。通过上述技术方案，解决了现有技术中虹膜图像数据库数据量不足的问题。
-
公开(公告)号：CN114841861A
公开(公告)日：2022-08-02
申请号：CN202210565019.5
申请日：2022-05-23
Applicant: 北京邮电大学
Abstract: 本发明涉及图像处理技术领域，提出了基于经验模态分解的图像超分辨系统，输入模块，用于获得第一图像；所述第一图像为低分辨率图像；特征提取模块，用于所述提取第一图像的特征；IMF预测模块，用于根据所述第一图像的特征，预测得到多个IMF特征图；所述多个IMF特征图位于不同的频率；所述IMF预测模块包括多个平行的分支，每个分支为一个CNN滤波器组，且所述分支的数量与所述IMF特征图的数量相同；重建模块，用于根据设定的放大比例，将每一IMF特征图转换为新的IMF，得到多个新的IMF；将多个新的IMF进行叠加得到第二图像，所述第二图像为超分辨率图像。通过上述技术方案，解决了现有技术中图像分辨率低、导致虹膜识别精度低的问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
