-
公开(公告)号：CN116563693A
公开(公告)日：2023-08-08
申请号：CN202310491245.8
申请日：2023-05-04
Applicant: 南京理工大学
IPC: G06V20/05 , G06V10/56 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于轻量级注意力机制的水下图像色彩复原方法，包括以下步骤：获取水下图像；构建生成对抗网络模型，包括设计生成器网络结构同时在编码器‑译码器的浅层加入效果较好的轻量级注意力机制，用来更好地提取水下图像的特征信息，以及包括设计鉴别器网络结构以判别生成水下图像的真假；确定用以更新网络参数的基于均方对数误差计算方法的损失函数；使用训练集对设计好的网络结构进行训练，通过循环迭代不断优化网络，直至输出网络模型，并将测试集输入训练好的网络模型，获得清晰图像。通过本发明所增强的水下图像更符合人眼的观察习惯，在峰值信噪比、结构相似性等水下图像画质评测指标方面均相较于现有深度学习方法有所提升。
-
公开(公告)号：CN115690164A
公开(公告)日：2023-02-03
申请号：CN202211143352.3
申请日：2022-09-20
Applicant: 南京理工大学 , 上海航天控制技术研究所
Abstract: 本发明公开了一种基于残差学习的可见光‑红外序列目标跟踪方法，包括：初始化网络参数，对双波段图片序列的首帧进行目标采样，将样本输入包含三条并行分支的特征提取网络，每个分支分别提取可见光、红外、融合图像的特征；将特征图输入注意力模块，计算分层特征的注意力权重，用权重修正每一层的特征图；把最终的特征图送入各自的判别跟踪模块，得到目标跟踪的结果，利用融合分支与单模态分支的竞争、协作关系改进损失函数，根据目标真值框与实际跟踪框的偏差计算各分支的损失，优化网络；输入下一序列的图片，循环迭代得到跟踪网络模型，最终完成可见光——红外目标跟踪。本发明提高了可见光——红外目标跟踪的准确率和成功率。
-
公开(公告)号：CN119205826A
公开(公告)日：2024-12-27
申请号：CN202411250181.3
申请日：2024-09-06
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于局部区域自组织映射算法的红外图像分割方法，包括：首先，设计基于局部区域自组织映射算法，在水平集迭代演化前，通过移动局部滑窗，完成多特征偏场的提取，在乘性偏场模型的框架下，构建多特征局部数据驱动项；其次，计算多特征全局数据驱动项，并通过自适应权重函数，构建多特征混合数据驱动项。接着，利用自适应正则化函数对多特征混合数据驱动项的能量值域进行正则化后，驱动初始水平集进行迭代演化。然后，在水平集的迭代过程中，使用双曲正切函数保持水平集在迭代演化时，外部为正内部为负的符号规则特征和模值为1的距离规则特征。同时，通过均值滤波模板，不断地对水平集进行平滑处理，并消除多余的非边界处轮廓线。最后，通过梯度下降法不断迭代求解能量函数的最小值，直到达到水平集的收敛准则或最大迭代次数后停止，此时输出零水平集的位置，完成图像分割。本发明提出的局部区域自组织映射算法能准确地从红外图像中挖掘出前景的轮廓，具有较好的分割速度和精度。
-
Patent Agency Ranking
公开(公告)号：CN114821347A
公开(公告)日：2022-07-29
申请号：CN202110084548.9
申请日：2021-01-21
Applicant: 南京理工大学 , 南京理工晟奥光电科技有限公司
Abstract: 本发明公开了一种基于深度特征融合的遥感飞机目标识别方法。该方法为：获取遥感飞机图片，利用标注软件对飞机目标进行标注，构建VOC格式数据集；初始化SSD网络参数；分批次将图片送入SSD网络，提取7种不同尺寸的特征图；设计特征融合机制，每次选取深层、中层、浅层3种不同尺寸的特征图进行融合；针对包括融合后特征图在内的各不同尺寸的特征图，生成不同尺寸的先验框，并调整先验框相对于输入图片的尺寸；计算先验框与真实框之间的匹配系数并划分正负样本，计算loss值并优化网络；将下一批次图片送入SSD网络，循环迭代得到SSD网络模型，完成遥感飞机目标识别。本发明适用于小目标识别，提高了遥感飞机目标识别的精度。
-
公开(公告)号：CN112700459B
公开(公告)日：2023-10-17
申请号：CN202011638494.8
申请日：2020-12-31
Applicant: 南京理工大学 , 南京理工晟奥光电科技有限公司
IPC: G06T7/11 , G06T7/187 , G06V10/28 , G06V10/762 , G06V10/26
Abstract: 本发明公开了一种基于多特征信息融合的水平集红外图像分割方法。方法为：首先输入待分割红外图像，将轮廓曲线初始化为二值函数；然后构建灰度特征图像、局部熵值特征图像和局部标准差特征图像，并构建灰度拟合图像、熵值拟合图像和标准差拟合图像；接着比较特征图像和特征拟合图像的相似性差异，得到由灰度信息驱动的符号压力函数、由熵值信息驱动的符号压力函数和由标准差信息驱动的符号压力函数，将上述三个函数相加并归一化，获得最终的符号压力函数；最后将最终的符号压力函数代入水平集演化方程演化，并用高斯滤波器正则化每次的演化结果，直至方程收敛，输出分割结果。本发明提高了分割灰度不均匀红外图像的准确率和分割效率。
-
公开(公告)号：CN116664446A
公开(公告)日：2023-08-29
申请号：CN202310783361.7
申请日：2023-06-28
Applicant: 南京理工大学
IPC: G06T5/00 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明公开了一种基于残差密集块的轻量级暗光图像增强方法，包括以下步骤：获取成对暗光图像数据集；构建条件生成对抗网络模型，包括设计基于残差密集块和通道注意力机制的轻量级生成器网络以及全卷积鉴别器网络；确定基于全局相似损失、结构相似损失、内容相似损失、色彩相似损失和局部纹理损失的多模态损失函数；训练并测试条件生成对抗网络模型。本发明能在RTX2080Ti显卡上以每秒36帧的速度处理400*600大小的暗光图像，通过本发明增强的暗光图像更符合人眼的观测习惯，在峰值信噪比、结构相似性等常用图像评价指标上表现优越。
-
公开(公告)号：CN116309178A
公开(公告)日：2023-06-23
申请号：CN202310324928.4
申请日：2023-03-28
Applicant: 南京理工大学 , 南京理工晟奥光电科技有限公司
Abstract: 本发明公开了一种基于自适应注意力机制网络的可见光图像去噪方法，涉及图像处理领域，包括：将噪声图像与真值图像作为训练集，输入U型全卷积网络模型进行训练；设计自适应通道注意力机制，加入模型进一步提升去噪性能，并根据损失函数梯度调整网络参数，直到最大迭代次数，输出网络模型；将带有噪声的测试集图像输入训练好的网络模型，输出清晰图像。经本发明改进后的网络模型在图像去噪上的峰值信噪比、结构相似性和处理速度得到了明显提升。
-
公开(公告)号：CN112700459A
公开(公告)日：2021-04-23
申请号：CN202011638494.8
申请日：2020-12-31
Applicant: 南京理工大学 , 南京理工晟奥光电科技有限公司
Abstract: 本发明公开了一种基于多特征信息融合的水平集红外图像分割方法。方法为：首先输入待分割红外图像，将轮廓曲线初始化为二值函数；然后构建灰度特征图像、局部熵值特征图像和局部标准差特征图像，并构建灰度拟合图像、熵值拟合图像和标准差拟合图像；接着比较特征图像和特征拟合图像的相似性差异，得到由灰度信息驱动的符号压力函数、由熵值信息驱动的符号压力函数和由标准差信息驱动的符号压力函数，将上述三个函数相加并归一化，获得最终的符号压力函数；最后将最终的符号压力函数代入水平集演化方程演化，并用高斯滤波器正则化每次的演化结果，直至方程收敛，输出分割结果。本发明提高了分割灰度不均匀红外图像的准确率和分割效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.027 seconds)
