一种多尺度特征优化的遥感影像分割模型和方法

    公开(公告)号:CN118154868A

    公开(公告)日:2024-06-07

    申请号:CN202410272189.3

    申请日:2024-03-11

    摘要: 一种多尺度特征优化的遥感影像分割模型和方法,分割模型包括数据处理模块、特征提取预处理模块、特征融合分割模块、分割输出模块。数据处理模块是获取公开的语义分割基准数据集并进行预处理;特征提取预处理模块,用于遥感图像的特征提取,重构骨干网络中在其中引入Resnest的分裂注意力网络连接结构,并集成可变形卷积,提高网络对不同尺度遥感影像的特征提取能力,对遥感图像进行特征提取;特征融合分割模块由金字塔池化模块、特征金字塔模块和高效通道注意力机制组成,用于对提取出来的特征进行特征融合;分割输出模块用于处理最后的结果图像。本发明提升了对遥感影像的分割精度,提高了分割效率,提高了遥感影像语义分割的性能表现和应用效果。

    基于自适应低秩规则化的图像内插系统及方法

    公开(公告)号:CN104794694A

    公开(公告)日:2015-07-22

    申请号:CN201510197071.X

    申请日:2015-04-23

    IPC分类号: G06T5/00

    摘要: 本发明公开了一种基于自适应低秩规则化的图像内插系统及方法,涉及图像超分辨率技术领域。本发明利用图像相邻像素具有的相似性,采用经典的bi-cubic方法,通过多项式近似方法由已知像素的小局部邻域来计算缺失的像素,得到内插高分辨率图像的初始值;再通过多次的迭代优化以有效改进高分辨率图像的质量,每次迭代包括两个过程:第一个过程是采用自适应的矩阵低秩分解技术对得到的高分辨率图像估计进行滤波;第二个过程是根据已知的低分辨率图像,参考第一个过程得到的高分辨率图像估计的滤波结果,通过采用规则化的最小均方误差求逆技术更新估计高分辨率图像。本发明在具有相对低计算复杂度的同时,能有效提升内插图像的质量。

    利用标准化组稀疏规则化的图像超分辨率重构系统及方法

    公开(公告)号:CN109345453B

    公开(公告)日:2022-12-27

    申请号:CN201811059265.3

    申请日:2018-09-12

    IPC分类号: G06T3/40 G06T5/00

    摘要: 本发明公开了一种利用标准化组稀疏规则化的图像超分辨率重构系统及方法,涉及图像复原技术领域。本发明首先采用双线性插值方法得到图像超分辨率重构的初始估计值;然后再利用图像块组的标准化稀疏先验,通过多次迭代图像块组PCA域自适应软阈值滤波与图像像素域的规则化最小二乘,有效提升超分辨率图像重构的质量。本系统是:输入低分辨率图像(00)、初始化模块(10)、路由选择模块(20)、图像滤波模块(30)、图像重构模块(40)和输出高分辨率图像(50)依次交互,图像重构模块(40)还和路由选择模块(20)交互。本发明能改善图像高频细节的恢复效果,有效提升超分辨率图像重构的质量;适用于视频监控、医学成像等应用。

    解析先验融合的渐进高倍人脸超分辨率系统及其方法

    公开(公告)号:CN112233033B

    公开(公告)日:2022-11-01

    申请号:CN202011115131.6

    申请日:2020-10-19

    IPC分类号: G06T5/00

    摘要: 本发明公开了一种解析先验融合的渐进高倍人脸超分辨率系统及其方法,涉及图像复原技术领域。本系统包括浅层特征提取模块(10)、逐级特征增强与上采样模块(20)、高分辨率人脸生成模块(30);低分辨率人脸图像(A)、浅层特征提取模块(10)、逐级特征增强与上采样模块(20)、高分辨率人脸生成模块(30)和高分辨率人脸图像(B)依次交互。本方法是:①浅层特征提取;②逐级特征增强与上采样;③高分辨人脸生成。与现有技术相比,本发明能在得到高质量高倍人脸超分辨率重构图像的同时,极好地减低系统的实现复杂度,降低系统训练难度,减少计算时间;适用于视频监控等应用。

    学习采样与分组的图像压缩感知重构系统及其方法

    公开(公告)号:CN112381746A

    公开(公告)日:2021-02-19

    申请号:CN202011275229.8

    申请日:2020-11-16

    IPC分类号: G06T5/50 G06T3/40

    摘要: 本发明公开了一种学习采样与分组的图像压缩感知重构系统及其方法,涉及图像成像与重建技术领域。本系统是:输入的图像测量值(Y)、非重叠分组模块(10)、多路并行的块图像降维重构模块(20)、块图像拼接模块(30)、图像上采样重构模块(40)和图像深度重构模块(50)依次交互,系统输出为重构的图像(XR)。本方法是:①非重叠分组;②多路并行的块图像降维重构;③块图像的拼接;④图像上采样重构;⑤图像深度重构;⑥图像的分块压缩采样;⑦测量矩阵与重构系统的联合优化。本发明在有效降低重构系统复杂度的同时,可得到系统重构性能的进一步提升;适用于压缩成像等应用。

    利用加权结构组稀疏规则的图像压缩感知重构系统及方法

    公开(公告)号:CN106651974B

    公开(公告)日:2019-08-16

    申请号:CN201610957543.1

    申请日:2016-11-03

    IPC分类号: G06T9/00 G06T5/10 G06T11/00

    摘要: 本发明公开了一种利用加权结构组稀疏规则的图像压缩感知重构系统及方法,涉及图像恢复技术领域。本系统是:初始化模块、路由选择模块、规则化均方误差最小模块和图像滤波处理模块依次交互,图像滤波处理模块和路由选择模块交互。图像滤波处理模块包括依次交互的图像重叠分块单元、图像相似块组生成单元、变换域加权软阈值滤波单元和图像块像素域求平均单元。本发明的第一阶段,采用图像压缩感知重构方法得到压缩感知图像的重构的初始估计值;第二阶段,利用图像具有的非局部自相似性,采用加权结构组稀疏表示规则化的优化,通过多次的迭代提升压缩感知图像重构的质量。本发明能改善图像纹理和图像边缘的恢复效果,有效提升压缩感知图像的重构质量。

    一种人脸识别系统及其方法

    公开(公告)号:CN103942531A

    公开(公告)日:2014-07-23

    申请号:CN201410079648.2

    申请日:2014-03-06

    IPC分类号: G06K9/00 G06K9/66

    摘要: 本发明公开了一种人脸识别系统及其方法,涉及模式识别技术领域。本系统由图像子空间低秩恢复模块(101)、第1图像分块模块(102)、第2图像分块模块(103)、图像间相似度估计模块(104)、第1特征降维模块(105)、第2特征降维模块(106)和稀疏编码表示与识别模块(107)组成。本发明采用子空间恢复技术去除训练图像中存在的干扰成分,增强了训练图像的判别能力;采用基于分块的最大相似度提取技术,提升了提取的相似性信息的可靠性;采用基于分块最大相似性的嵌入稀疏编码,改善了在低维特征选取时稀疏编码的稳定性;本发明适用于存在连续遮挡的人脸图像识别,可有效提高在低维特征选取时的识别率,降低识别系统的复杂度。