-
公开(公告)号：CN115147279B
公开(公告)日：2023-04-07
申请号：CN202210784242.9
申请日：2022-07-05
Applicant: 南京林业大学
IPC: G06T3/40 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了基于选择性通道处理机制的轻量级遥感图像超分辨率方法，涉及遥感图像的处理，尤其是遥感图像的增强或复原，包括：对已有的样本图像变换操作并降采样，得到对应的高分辨率图像与低分辨率图像的训练集；初始化基于选择性通道处理机制的卷积神经网络，该网络将低分辨率遥感图像作为输入，并输出高分辨率遥感图像；在训练集上采用梯度下降法和反向传播算法，对构建的卷积神经网络进行迭代训练，得到参数优化后的卷积神经网络；利用参数优化后的神经网络模型，将低分辨率遥感图像作为输入，得到高分辨率遥感图像。相较于之前的方法，本发明参数量更少，模型运算效率更高，同时，可以得到高频部分更加清晰的、质量更高的超分辨率遥感图像。
-
Patent Agency Ranking
公开(公告)号：CN115147279A
公开(公告)日：2022-10-04
申请号：CN202210784242.9
申请日：2022-07-05
Applicant: 南京林业大学
Abstract: 本发明公开了基于选择性通道处理机制的轻量级遥感图像超分辨率方法，涉及遥感图像的处理，尤其是遥感图像的增强或复原，包括：对已有的样本图像变换操作并降采样，得到对应的高分辨率图像与低分辨率图像的训练集；初始化基于选择性通道处理机制的卷积神经网络，该网络将低分辨率遥感图像作为输入，并输出高分辨率遥感图像；在训练集上采用梯度下降法和反向传播算法，对构建的卷积神经网络进行迭代训练，得到参数优化后的卷积神经网络；利用参数优化后的神经网络模型，将低分辨率遥感图像作为输入，得到高分辨率遥感图像。相较于之前的方法，本发明参数量更少，模型运算效率更高，同时，可以得到高频部分更加清晰的、质量更高的超分辨率遥感图像。
-
公开(公告)号：CN113096017B
公开(公告)日：2022-01-25
申请号：CN202110399796.2
申请日：2021-04-14
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于深度坐标注意力网络模型的图像超分辨率重建方法，涉及图像的增强或复原，包括：对已有的样本图像进行变换操作，并进行降采样，得到对应的高分辨率图像与低分辨率图像的训练集；初始化基于深度坐标注意力机制的卷积神经网络，该网络将低分辨率图像作为输入，并输出高分辨率图像；在训练集上采用梯度下降法和反向传播算法，对构建的卷积神经网络进行迭代训练，得到参数优化后的卷积神经网络；利用训练好的卷积神经网络对输入的低分辨率图像进行超分辨率重建，得到高分辨率图像的最终输出。本发明相对于现有方法，充分利用低分辨率图像与特征图像所包含的信息，对低分辨率图像进行超分辨率重建，拥有更好的超分辨率重建质量。
-
公开(公告)号：CN113096017A
公开(公告)日：2021-07-09
申请号：CN202110399796.2
申请日：2021-04-14
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于深度坐标注意力网络模型的图像超分辨率重建方法，涉及图像的增强或复原，包括：对已有的样本图像进行变换操作，并进行降采样，得到对应的高分辨率图像与低分辨率图像的训练集；初始化基于深度坐标注意力机制的卷积神经网络，该网络将低分辨率图像作为输入，并输出高分辨率图像；在训练集上采用梯度下降法和反向传播算法，对构建的卷积神经网络进行迭代训练，得到参数优化后的卷积神经网络；利用训练好的卷积神经网络对输入的低分辨率图像进行超分辨率重建，得到高分辨率图像的最终输出。本发明相对于现有方法，充分利用低分辨率图像与特征图像所包含的信息，对低分辨率图像进行超分辨率重建，拥有更好的超分辨率重建质量。
-
公开(公告)号：CN115760630A
公开(公告)日：2023-03-07
申请号：CN202211495205.2
申请日：2022-11-26
Applicant: 南京林业大学
IPC: G06T5/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种低照度图像增强方法，包括以下步骤：(a1)、将原始图像进行分解，得到反射分量、照度分量和特征分量；(a2)、对步骤(a1)中分解得到的照度分量进行亮度增强；(a3)、将步骤(a2)中增强后的照度分量和步骤(a1)中分解得到的反射分量以及特征分量进行加权融合，得到增强后的图像。本发明利用图像分解的原理，将图像分解为反射分量，照度分量和特征分量，并在其中加入降噪处理，一定程度上降低了噪声对图像效果的影响。同时单独提取图像特征分量，避免了因为降噪引起的细节丢失的缺陷，一定程度上解决了传统方法图像亮度提升不明显，图像噪声较大，细节丢失等缺陷。
-
公开(公告)号：CN214981143U
公开(公告)日：2021-12-03
申请号：CN202120413850.X
申请日：2021-02-25
Applicant: 南京林业大学
Abstract: 本实用新型涉及机械手技术领域，尤其是指一种夹持圆形工件的机械手末端执行器。本发明公开了一种夹持圆形工件的机械手末端执行器，其包括电机驱动部位、传动部位与夹持部位，所述的电机驱动部位包括直流电机与联轴器，所述的传动部位包括丝杠、螺母与滑块，所述的夹持部位包括左传动大臂、左传动小臂、左夹持器、右传动大臂、右传动小臂和右夹持器。本末端执行器通过电机驱动丝杠螺母，使得滑块移动，改变夹持器中间的距离，从而实现夹持圆形工件，进而代替人工操作以实现自动化生产。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
