-
公开(公告)号：CN117788311B
公开(公告)日：2024-08-20
申请号：CN202311823155.0
申请日：2023-12-27
Applicant: 哈尔滨工业大学
IPC: G06T5/50 , G06T5/90 , G06T5/77 , G06N3/0895 , G06T5/60
Abstract: 一种基于包围摄影的自监督自适应的图像复原和增强方法，属于底层视觉重建技术领域。本发明针对现有图像重建模型只能完成单一重建任务并对真实数据重建能力差的问题。包括获取仿真数据集和真实数据集；构建由编码器、光流对齐模块、融合模块和重建模块构成的时间调制循环网络，对时间调制循环网络在仿真数据集上进行预训练，在真实数据集上进行微调训练；T帧多曝光RAW图像进行归一化和伽马变换得到变换图像，再经编码器进行特征提取得到编码特征，再利用光流对齐模块进行对齐得到对齐后特征；再经融合模块和重建模块重建得到重建生成图像；计算时域自监督损失、时域负损失和指数移动平均正则化损失，更新网络参数。本发明用于图像复原和增强。
-
Patent Agency Ranking
公开(公告)号：CN117876262A
公开(公告)日：2024-04-12
申请号：CN202410169725.7
申请日：2024-02-06
Applicant: 哈尔滨工业大学 , 南方医科大学南方医院
IPC: G06T5/73 , G06T5/50 , G06T7/00 , G06T7/33 , G06T9/00 , G06N3/0464 , G06N3/0895
Abstract: 一种手术视频的自监督烟雾去除方法，属于图像复原技术领域。本发明针对腹腔镜手术过程中产生的手术烟雾干扰医生视野的问题。由雾帧编码器、参考帧编码器、对齐模块、融合模块和重建模块搭建视频烟雾去除模型，将高能器械开始工作前的一帧，即烟前帧视作不对齐监督信号，采用包含N帧烟雾帧的烟雾视频序列#imgabs0#和烟前帧Sref对视频烟雾去除模型进行训练，得到训练后视频烟雾去除模型；在实际应用中，训练后视频烟雾去除模型基于真实烟前帧和真实烟雾视频序列得到烟雾去除后视频序列。本发明方法用于烟雾视频中烟雾的去除。
-
公开(公告)号：CN118555381A
公开(公告)日：2024-08-27
申请号：CN202410408138.9
申请日：2024-04-07
Applicant: 哈尔滨工业大学
IPC: H04N13/279 , H04N13/236 , H04M1/02
Abstract: 智能手机的双摄连续变焦方法及系统，解决了如何基于三维重建技术实现双目相机的连续数字变焦的问题，属于图像复原领域。本发明建立双摄平滑变焦3D模型，利用只能手机拍摄的超广角与广角图片对进行，通过在相机的内参，外参和相机编码上插值，部署虚拟相机，利用优化后的双摄平滑变焦3D模型合成连续变焦的图像序列，利用这些图像序列作为插帧模型训练数据集，最终利用该模型实现在数字变焦的过程中空间、颜色和畸变程度的连续平滑切换。
-
公开(公告)号：CN117788311A
公开(公告)日：2024-03-29
申请号：CN202311823155.0
申请日：2023-12-27
Applicant: 哈尔滨工业大学
IPC: G06T5/50 , G06T5/90 , G06T5/77 , G06N3/0895 , G06T5/60
Abstract: 一种基于包围摄影的自监督自适应的图像复原和增强方法，属于底层视觉重建技术领域。本发明针对现有图像重建模型只能完成单一重建任务并对真实数据重建能力差的问题。包括获取仿真数据集和真实数据集；构建由编码器、光流对齐模块、融合模块和重建模块构成的时间调制循环网络，对时间调制循环网络在仿真数据集上进行预训练，在真实数据集上进行微调训练；T帧多曝光RAW图像进行归一化和伽马变换得到变换图像，再经编码器进行特征提取得到编码特征，再利用光流对齐模块进行对齐得到对齐后特征；再经融合模块和重建模块重建得到重建生成图像；计算时域自监督损失、时域负损失和指数移动平均正则化损失，更新网络参数。本发明用于图像复原和增强。
-
公开(公告)号：CN119722944A
公开(公告)日：2025-03-28
申请号：CN202411799153.7
申请日：2024-12-09
Applicant: 哈尔滨工业大学
Abstract: 基于4D高斯泼溅的单目模糊视频重建方法，属于图像复原和三维重建领域。解决了现有的单目模糊视频重建方法在处理物体运动模糊时，存在产生视频视觉质量低和渲染结果实时性差的问题。本发明构造4DGS模型，通过模拟相机运动模糊和物体运动模糊的物理形成过程，合成模糊图像，以便与真实模糊图像计算损失实现对所构建的4DGS模型的训练，并利用训练后的4DGS模型实现视频重建。本发明主要用于实现4D场景重建。
-
公开(公告)号：CN116757932A
公开(公告)日：2023-09-15
申请号：CN202310735103.1
申请日：2023-06-20
Applicant: 哈尔滨工业大学
IPC: G06T3/40 , G06N3/0464 , G06V10/42 , G06V10/80
Abstract: 一种基于循环神经网络的多帧图像超分辨率方法，属于图像复原技术领域。本发明针对现有低分辨率图像采用单张图像复原，复原结果细节不足的问题。包括：设置循环神经网络作为超分辨率模型的基本架构，并对循环神经网络进行训练，得到多帧图像超分辨率网络；所述循环神经网络包括N个分支，其中第1分支包括第1编码器、第1融合模块和第1上采样模块，其余N‑1个分支均包括第i编码器、第i‑1对齐模块、第i融合模块和第i上采样模块；N为正整数；i＝2，3，4，……，N；通过第N分支输出高分辨率图像；循环神经网络在训练过程中根据损失函数#imgabs0#修改网络参数。本发明方法基于同一场景的多张输入低分辨率图像进行低分辨率图像的复原。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
