-
Patent Agency Ranking
公开(公告)号：CN114842324B
公开(公告)日：2025-01-17
申请号：CN202210257144.X
申请日：2022-03-16
Applicant: 南京邮电大学
Abstract: 本发明公开了伪装目标检测领域的一种基于学习神经网络的伪装目标检测方法及系统，采集检测图像输入至预先训练好的目标搜索模型，获得低级到高级依次设置的多层伪装目标表征；由各层伪装目标表征中提取伪装表征分片，并输入至预先训练好的目标识别模型获得相应等级的多个伪装识别特征；将各伪装识别特征进行卷积获得伪装识别层级图像，将各伪装识别层级图像进行叠加获得伪装识别图像；本发明通过感受野网络对提取的伪装表征f进行感受野放大，通过多尺度提取伪装表征分片输入目标识别模型中，重新拼接出伪装表征，捕获全局局部的上下文细节信息，可以更好识别边缘纹理结构，从而获得更高的识别准确率。
-
公开(公告)号：CN114677293B
公开(公告)日：2024-11-15
申请号：CN202210227879.8
申请日：2022-03-08
Applicant: 南京邮电大学
IPC: G06T5/73 , G06T5/70 , G06T5/60 , G06T3/4076 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度子空间嵌入的全色锐化方法及装置，其主要步骤概括为：步骤1：从遥感卫星数据集中获得全色图像（PAN）和多光谱图像（MS），并进行像素匹配；步骤2：对通过步骤一得到的MS数据进行子空间表征，得到子空间基；步骤3：根据步骤一得到的MS图与PAN图，将它们输入由杨俊峰博士设计的用于全色锐化的神经网络PanNet，得到一份该网络输出的高分辨率多光谱图像；步骤4：将以上步骤得到的数据输入本算法的数学模型中，根据替代方向乘数方法进行迭代，迭代计算得到高分辨率多光谱图像。提出的发明方法能够通过观测到的全色图像与多光谱图像得到噪声更少、光谱失真更少、纹理更加清晰的高分辨率多光谱图像。
-
公开(公告)号：CN114723623A
公开(公告)日：2022-07-08
申请号：CN202210233631.2
申请日：2022-03-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于层级网络的低分辨率鬼成像图像重建方法和装置，包括如下步骤：将初始图像通过仿真生成鬼成像图像；将需要重建的鬼成像图像作为输入，输入预先训练的多层次网络模型，多层级网络模型对需要重建的鬼成图像进行处理，并输出得到重建的清晰的图像；其中，多层次网络模型的构建包括：构建多层级网络，在每个层级的网络的编码器中均引入反馈连接；基于鬼成图像、鬼成图像对应的真值图像和perceptual loss函数进行训练，得到多层次网络模型。本发明与现有的基于深度学习的鬼成像重建方法相比，能够恢复出目标结构更加明确、边缘更加清晰的干净图像，解决了在低采样率下，鬼成像图像恢复不清晰、恢复速度较慢的问题。
-
公开(公告)号：CN114842324A
公开(公告)日：2022-08-02
申请号：CN202210257144.X
申请日：2022-03-16
Applicant: 南京邮电大学
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了伪装目标检测领域的一种基于学习神经网络的伪装目标检测方法及系统，采集检测图像输入至预先训练好的目标搜索模型，获得低级到高级依次设置的多层伪装目标表征；由各层伪装目标表征中提取伪装表征分片，并输入至预先训练好的目标识别模型获得相应等级的多个伪装识别特征；将各伪装识别特征进行卷积获得伪装识别层级图像，将各伪装识别层级图像进行叠加获得伪装识别图像；本发明通过感受野网络对提取的伪装表征f进行感受野放大，通过多尺度提取伪装表征分片输入目标识别模型中，重新拼接出伪装表征，捕获全局局部的上下文细节信息，可以更好识别边缘纹理结构，从而获得更高的识别准确率。
-
公开(公告)号：CN114677293A
公开(公告)日：2022-06-28
申请号：CN202210227879.8
申请日：2022-03-08
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度子空间嵌入的全色锐化方法及装置，其主要步骤概括为：步骤1：从遥感卫星数据集中获得全色图像（PAN）和多光谱图像（MS），并进行像素匹配；步骤2：对通过步骤一得到的MS数据进行子空间表征，得到子空间基；步骤3：根据步骤一得到的MS图与PAN图，将它们输入由杨俊峰博士设计的用于全色锐化的神经网络PanNet，得到一份该网络输出的高分辨率多光谱图像；步骤4：将以上步骤得到的数据输入本算法的数学模型中，根据替代方向乘数方法进行迭代，迭代计算得到高分辨率多光谱图像。提出的发明方法能够通过观测到的全色图像与多光谱图像得到噪声更少、光谱失真更少、纹理更加清晰的高分辨率多光谱图像。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
